Полу-наблюдавано дърво за изолация
Полу-наблюдаваното дърво за изолация (Semi-supervised Isolation Forest) разширява класическия детектор на аномалии Isolation Forest чрез включване на малък набор от маркирани аномалии (и евентуално нормални) примери заедно с голям немаркиран набор от данни. Това насочване чрез етикети коригира оценките за аномалии на модела, така че известните аномалии да бъдат разделяни по-надеждно, преодолявайки пропастта между напълно ненаблюдаваното и напълно наблюдаваното откриване.
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
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/bg/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.
- Автоенкодер за детекция на аномалииМашинно обучение↔ compare
- Isolation ForestМашинно обучение↔ compare
- Локален коефициент на отклонение (LOF)Машинно обучение↔ compare
- Еднокласов SVMМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →