Machine learningMachine learning

Robust Isolation Forest

Το Robust Isolation Forest επεκτείνει τον κλασικό ανιχνευτή ανωμαλιών Isolation Forest με στρατηγικές που μειώνουν την ευαισθησία στη μόλυνση των δεδομένων, τα φαινόμενα συγκάλυψης και τις μεροληπτικές τυχαίες διασπάσεις. Ενσωματώνοντας μηχανισμούς ανθεκτικότητας — όπως βελτιωμένη υποδειγματοληψία, επαναστάθμιση ύποπτων περιοχών ή διασπάσεις διορθωμένες ως προς τη μεροληψία — επιτυγχάνει πιο αξιόπιστες βαθμολογίες ανωμαλιών όταν τα δεδομένα εκπαίδευσης περιέχουν μη αμελητέο ποσοστό ανωμαλιών ή όταν συγκεκριμένες κατανομές χαρακτηριστικών προκαλούν στο τυπικό iForest αναξιόπιστα μήκη διαδρομής.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation Forest. In Proceedings of the IEEE International Conference on Data Mining (ICDM), pp. 413–422. IEEE. DOI: 10.1109/ICDM.2008.17
  2. Hariri, S., Kind, M. C., & Brunner, R. J. (2019). Extended Isolation Forest. IEEE Transactions on Knowledge and Data Engineering, 33(4), 1479–1489. DOI: 10.1109/TKDE.2019.2947676

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Robust Isolation Forest (Anomaly Detection with Robustness to Noise and Contamination). ScholarGate. https://scholargate.app/el/machine-learning/robust-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.

Compare side by side

Αναφέρεται από

ScholarGateRobust Isolation forest (Robust Isolation Forest (Anomaly Detection with Robustness to Noise and Contamination)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/robust-isolation-forest · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026