Wyjaśnialny HDBSCAN
Wyjaśnialny HDBSCAN łączy hierarchiczny algorytm klastrowania oparty na gęstości HDBSCAN z metodami post-hoc wyjaśnialności — głównie SHAP — aby ujawnić, które cechy wejściowe determinują przynależność do klastra i jego separację. Zachowuje on zdolność HDBSCAN do znajdowania klastrów o zmiennym kształcie i gęstości, dodając ugruntowaną, audytowalną warstwę wyjaśnień.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205. DOI: 10.21105/joss.00205 ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Explainable Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/pl/machine-learning/explainable-hdbscan
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.
- Wyjaśnialny DBSCANUczenie maszynowe↔ compare
- Wyjaśnialny model mieszaniny GaussaUczenie maszynowe↔ compare
- Wyjaśnialny las izolacyjnyUczenie maszynowe↔ compare
- Wyjaśnialne K-średnichUczenie maszynowe↔ compare
- Wyjaśnialny Las LosowyUczenie maszynowe↔ compare
- HDBSCANUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →