Isolation Forest
Isolation Forest е метод за машинно обучение без учител за откриване на аномалии и отклонения, въведен от Liu, Ting и Zhou през 2008 г., който изолира аномалии чрез случайно разделяне на данните. Той работи без етикетирани данни за аномалии и се мащабира до многомерни набори от данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Източници
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/bg/machine-learning/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.
- Дърво на решениятаМашинно обучение↔ compare
- Гаусов смесен моделМашинно обучение↔ compare
- Анализ на главните компонентиМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- t-SNEМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →