Explainable K-Nearest Neighbors
Explainable K-Nearest Neighbors (XKNN) เป็นการเสริมตัวจำแนกประเภท (classifier) หรือตัวประมาณค่า (regressor) แบบ KNN แบบดั้งเดิม ด้วยกลไกการอธิบายผลแบบ post-hoc หรือแบบ built-in ที่มีโครงสร้าง ซึ่งจะเปิดเผยว่าเพื่อนบ้าน (neighbors) ที่ถูกดึงมา ฟีเจอร์ใด และการมีส่วนร่วมของระยะทาง (distance contributions) ใด ที่ขับเคลื่อนการทำนายแต่ละรายการ ทำให้การให้เหตุผลของโมเดลมีความโปร่งใสและสามารถตรวจสอบได้สำหรับผู้มีอำนาจตัดสินใจที่เป็นมนุษย์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Cover, T. & Hart, P. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13(1), 21–27. DOI: 10.1109/TIT.1967.1053964 ↗
- Papernot, N. & McDaniel, P. (2018). Deep k-Nearest Neighbors: Towards Confident, Interpretable and Robust Deep Learning. arXiv preprint arXiv:1803.04765. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Explainable K-Nearest Neighbors (XKNN). ScholarGate. https://scholargate.app/th/machine-learning/explainable-k-nearest-neighbors
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.
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่อง↔ compare
- LIME: คำอธิบายแบบจำลองที่ตีความได้เฉพาะที่และไม่ขึ้นกับแบบจำลองการเรียนรู้ของเครื่อง↔ compare
- Naive Bayesการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare