Polo-dohledný Isolation Forest
Semi-supervised Isolation Forest rozšiřuje klasický detektor anomálií Isolation Forest o začlenění malé sady označených příkladů anomálií (a případně normálních dat) vedle velkého neoznačeného datového souboru. Toto vedení pomocí označení upravuje skóre anomálií modelu tak, aby byly známé anomálie spolehlivěji odděleny, čímž překlenuje mezeru mezi plně nesupervizovaným a plně supervizovaným vyhledáváním.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/cs/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.
- Detekce anomálií pomocí autoenkodéruStrojové učení↔ compare
- Isolation ForestStrojové učení↔ compare
- Lokální faktor odlehlosti (LOF)Strojové učení↔ compare
- One-class SVMStrojové učení↔ compare
- Random ForestStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →