Ensemble Isolation Forest
Ensemble Isolation Forest træner flere Isolation Forest-modeller — hver med forskellige tilfældige frø, subsampling-rater eller kontaminationsparametre — og kombinerer deres anomalitets-scores for at producere en mere stabil, robust anomalitets-rangering. Ved at gennemsnitliggøre eller aggregere på tværs af flere uafhængige isolation forests reducerer metoden den varians, der er iboende i enhver enkelt forest, og giver mere pålidelig outlier-detektion på komplekse eller højdimensionelle data.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
- Isolation Forest. Wikipedia. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection). ScholarGate. https://scholargate.app/da/machine-learning/ensemble-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.
- Autoencoder AnomalidetektionMaskinlæring↔ compare
- Isolation ForestMaskinlæring↔ compare
- One-Class SVMMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →