ScholarGate
Assistent
Machine learningMachine learning

Forklarbar K-Means

Forklarbar K-Means er en post-hoc og in-model-tolkningsmetode for standard K-Means-klynging som erstatter eller tilnærmer klyngetildelinger med et lite akseparallelt beslutningstre. Hvert blad i treet tilsvarer én klynge, og hvert datapunkt tildeles en klynge ved å følge en enkel sekvens av terskelregler på individuelle trekk – noe som gjør klyngetilhørighet fullstendig transparent og lesbar for mennesker.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Dasgupta, S., Frost, N., Moshkovitz, M., & Rashtchian, C. (2020). Explainability of k-Means Clustering. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119. link
  2. Moshkovitz, M., Dasgupta, S., Rashtchian, C., & Frost, N. (2020). Explainable k-Means and k-Medians Clustering. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119. link

Slik siterer du denne siden

ScholarGate. (2026, June 3). Explainable K-Means Clustering. ScholarGate. https://scholargate.app/no/machine-learning/explainable-k-means

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Referert av

ScholarGateExplainable K-Means (Explainable K-Means Clustering). Hentet 2026-06-15 fra https://scholargate.app/no/machine-learning/explainable-k-means · Datasett: https://doi.org/10.5281/zenodo.20539026