ScholarGate
المساعد
Machine learningMachine learning

الغابة العازلة شبه المُشرف عليها

تُوسّع الغابة العازلة شبه المُشرف عليها (Semi-supervised Isolation Forest) كاشف الشذوذ الكلاسيكي (Isolation Forest) عن طريق دمج مجموعة صغيرة من الأمثلة المصنفة للشذوذ (وربما للحالات الطبيعية) إلى جانب مجموعة بيانات كبيرة غير مُصنفة. يُعدّل هذا التوجيه المُصنّف درجات الشذوذ الخاصة بالنموذج بحيث تُفصل الحالات الشاذة المعروفة بشكل أكثر موثوقية، مما يسد الفجوة بين الكشف غير المُشرف عليه بالكامل والكشف المُشرف عليه بالكامل.

افتح في MethodMindقريبًافيديوقريبًاDownload slides

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

Method map

The neighbourhood of related methods — select a node to explore.

المصادر

  1. Görnitz, N., Kloft, M., Rieck, K., & Brefeld, U. (2013). Toward supervised anomaly detection. Journal of Artificial Intelligence Research, 46, 235–262. link
  2. Isolation Forest. Wikipedia. link

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/ar/machine-learning/semi-supervised-isolation-forest

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.

Compare side by side

يُستشهد بها في

ScholarGateSemi-supervised Isolation Forest (Semi-supervised Isolation Forest for Anomaly Detection). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/machine-learning/semi-supervised-isolation-forest · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026