Vysvetliteľný DBSCAN
Vysvetliteľný DBSCAN spája algoritmus zhlukovej analýzy založený na hustote DBSCAN s post-hoc metódami interpretovateľnosti — najčastejšie hodnotami SHAP alebo lokálnymi náhradnými modelmi — aby odhalil, ktoré vstupné atribúty ovplyvňujú priradenie zhlukov a šumu algoritmom. Umožňuje analytikom pochopiť, prečo boli konkrétne body zoskupené alebo označené ako odľahlé hodnoty, čím premosťuje priepasť medzi výkonným delením založeným na hustote a ľudsky čitateľným vysvetlením.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Ester, M., Kriegel, H.-P., Sander, J., & Xu, X. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. In Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96), 226–231. AAAI Press. link ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. Curran Associates. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Explainable Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/sk/machine-learning/explainable-dbscan
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.
- DBSCANStrojové učenie↔ compare
- Vysvetliteľný Isolation ForestStrojové učenie↔ compare
- Vysvetliteľné K-najbližších susedovStrojové učenie↔ compare
- HDBSCANStrojové učenie↔ compare
- Zhlukovanie K-meansStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →