Semi-supervised Isolation Forest
Semi-supervised Isolation Forest udvider den klassiske Isolation Forest anomalidetektor ved at inkorporere et lille sæt mærkede anomalier (og muligvis normale eksempler) sammen med et stort umærket datasæt. Denne mærkningsvejledning justerer modellens anomaliscorer, så kendte anomalier adskilles mere pålideligt, hvilket bygger bro over kløften mellem fuldt umærket og fuldt overvåget detektion.
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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/da/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.
- Autoencoder AnomalidetektionMaskinlæring↔ compare
- Isolation ForestMaskinlæring↔ compare
- Local Outlier Factor (LOF)Maskinlæring↔ compare
- One-Class SVMMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →