feature-weighted k-means clustering

New VoICE framework enhances counterfactual explanations for feature-weighted clustering

研究人员推出了一种新颖的框架VoICE，用于在特征加权k均值聚类中生成反事实解释。该方法通过将反事实生成构建为向加权Voronoi区域的投影，将通常用于监督学习的反事实概念扩展到无监督聚类领域。VoICE直接将特征权重纳入聚类几何和解释目标，旨在在可操作性约束下实现成本最低、最简洁的解释。该框架还包括数据派生的界限和向质心的收缩，以限制外推和边界敏感性，并在基准数据集上展示了优于现有成对基线性能的改进。