Објашњиви HDBSCAN
Објашњиви HDBSCAN комбинује алгоритaм хијерархијског кластеровања заснованог на густини, HDBSCAN, са пост-хок методама објашњивости — првенствено SHAP — како би открио који улазни признаци управљају чланством у кластеру и његовом раздвајању. Задржава способност HDBSCAN-а да пронађе кластере различитих облика и густина, док додаје принципијелни, ревизибилни слој објашњења.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Explainable Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/sr/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.
- Objašnjivi DBSCANMašinsko učenje↔ compare
- Objašnjivi Gaussov model mešavineMašinsko učenje↔ compare
- Objašnjivi Izolacioni ŠumMašinsko učenje↔ compare
- Objašnjivi K-MeansMašinsko učenje↔ compare
- Објашнјиви случајни шумMašinsko učenje↔ compare
- HDBSCANMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →