Обясним изолационен лес
Обяснимият изолационен лес комбинира алгоритъма за откриване на аномалии Isolation Forest с пост-хок инструменти за обяснимост — най-често SHAP (SHapley Additive exPlanations) — за да не само маркира аномални наблюдения, но и да разкрие кои признаци са обусловили всеки резултат за аномалност. Той свързва ненадзираваното откриване на аномалии с изискванията за интерпретируемост на регулирани и високорискови области.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation forest. In Proceedings of the 8th IEEE International Conference on Data Mining (ICDM 2008), pp. 413–422. IEEE. DOI: 10.1109/ICDM.2008.17 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Explainable Isolation Forest (Isolation Forest with SHAP-based Interpretability). ScholarGate. https://scholargate.app/bg/machine-learning/explainable-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.
- Автоенкодер за детекция на аномалииМашинно обучение↔ compare
- Обясним градиентен бустингМашинно обучение↔ compare
- Обясним случаен лесМашинно обучение↔ compare
- Isolation ForestМашинно обучение↔ compare
- Еднокласов SVMМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →