聚类分析的可解释性研究

文章预览

摘要 —近年来，聚类算法的研究主要集中在提高其准确性和效率，往往以牺牲可解释性为代价。然而，随着这些方法越来越多地应用于高风险领域，如医疗保健、金融和自动化系统，透明且可解释的聚类结果的需求已成为关键问题。 这不仅是为了赢得用户的信任，还为了满足这些领域日益增长的伦理和监管要求。确保从聚类算法中得出的决策能够被清楚理解和合理化现已成为基本要求 。为应对这一需求，本文对当前可解释聚类算法的现状进行了全面而系统的综述，并识别出区分不同方法的关键标准。这些见解能够有效地帮助研究人员在特定应用场景中做出关于最合适的可解释聚类方法的明智决策，同时也促进了既高效又透明的聚类算法的发展和采用。 关键词 —可解释聚类、算法可解释性、可解释机器学习与数据挖掘、可解释人工智能（XAI） 导 ………………………………