11:12arXiv cs.LG@Claire M. He, Genevera I. AllenCluster LOCO 是一种模型无关的聚类特征重要性打分方法,基于特征遮挡和聚类泛化性。它通过衡量移除某个特征后聚类标签在留出样本上的预测准确度下降来量化特征重要性。研究提出了基于数据划分的Cluster LOCO-Split和面向大规模数据的Cluster LOCO-MP(minipatch集成版)。在合成数据和单细胞转录组学的细胞类型发现任务中,Cluster LOCO比现有方法更可靠地恢复有信息量的特征。论文Cluster LOCO特征重要性聚类解释可解释性单细胞转录组学推荐理由:能解释聚类结果依赖哪些特征原文