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.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
- 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.
- DBSCANMaskinlæring↔ compare
- BeslutningstreMaskinlæring↔ compare
- Hierarkisk grupperingMaskinlæring↔ compare
- K-Means-klyngingMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →