每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

可解释聚类：一项调查

Created by
  • Haebom

作者

胡连玉、姜木迪、董俊杰、刘欣英、何增友

大纲

本文指出了现有聚类算法研究的局限性，即为了准确性和效率而牺牲了可解释性，并强调在医疗保健、金融和自治系统等高风险领域需要透明且可解释的聚类结果。为了获得用户信任并满足伦理和监管要求，清晰地理解和论证聚类结果至关重要。为此，本文全面回顾了可解释聚类算法的现状，并提出了区分各种方法的关键标准。本文有助于为特定应用领域选择最合适的可解释聚类方法，并促进兼具效率和透明度的聚类算法的开发和应用。此外，本文对具有代表性和新颖的可解释聚类方法进行了分类，并通过开放存储库 ( https://github.com/hulianyu/Awesome-Interpretable-Clustering)提供。

Takeaways，Limitations

•
Takeaways：
◦
强调高风险地区可解释的聚类结果的重要性。
◦
可解释聚类算法的系统评价和分类标准。
◦
为特定应用选择适当的方法提供指导。
◦
鼓励开发和采用高效且透明的聚类算法。
◦
通过提供开放存储库来提高可访问性。
•
Limitations：
◦
可能缺乏性能比较或特定算法的技术细节（考虑到论文的性质）
◦
需要进一步验证所提出的分类标准的完整性和客观性。
◦
需要持续管理和更新开放存储库。
👍
Made with Slashpage