Förklarbar HDBSCAN
Förklarbar HDBSCAN kombinerar den hierarkiska densitetsbaserade klustringsalgoritmen HDBSCAN med post-hoc-metoder för förklarbarhet – främst SHAP – för att avslöja vilka indatafunktioner som driver klustermedlemskap och separation. Den behåller HDBSCAN:s förmåga att hitta kluster med varierande form och densitet samtidigt som den lägger till ett principfast, granskningsbart förklaringslager.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Explainable Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/sv/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.
- Förklarbar DBSCANMaskininlärning↔ compare
- Förklaringsbar Gaussisk blandningsmodellMaskininlärning↔ compare
- Förklaringsbar isolationsskogarMaskininlärning↔ compare
- Förklaringsbar K-medelvärdenMaskininlärning↔ compare
- Förklarbar Random ForestMaskininlärning↔ compare
- HDBSCANMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →