Vysvetliteľné K-Means
Vysvetliteľné K-Means je post-hoc a in-modelový prístup k interpretovateľnosti štandardného K-Means zhlukovania, ktorý nahrádza alebo aproximuje priradenia zhlukov malým rozhodovacím stromom zarovnaným s osami. Každý list stromu zodpovedá jednému zhluku a každý dátový bod je priradený k zhluku podľa jednoduchej sekvencie prahových pravidiel pre jednotlivé vlastnosti – čím sa členstvo v zhluku stáva plne transparentným a ľudsky čitateľným.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Explainable K-Means Clustering. ScholarGate. https://scholargate.app/sk/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.
- DBSCANStrojové učenie↔ compare
- Rozhodovací stromStrojové učenie↔ compare
- Hierarchické zhlukovanieStrojové učenie↔ compare
- K-Means ClusteringStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →