Halbüberwachte Isolation Forest

Semi-supervised Isolation Forest erweitert den klassischen Anomalie-Detektor Isolation Forest durch die Einbeziehung einer kleinen Menge gelabelter Anomalie- (und möglicherweise normaler) Beispiele neben einem großen unbeschrifteten Datensatz. Diese Label-Führung passt die Anomalie-Scores des Modells an, sodass bekannte Anomalien zuverlässiger getrennt werden, und schließt die Lücke zwischen vollständig unüberwachter und vollständig überwachter Erkennung.