Online Isolation Forest
Online Isolation Forest extiende el algoritmo de detección de anomalías Isolation Forest a datos en streaming o que llegan continuamente. En lugar de reconstruir los árboles de aislamiento desde cero cuando llegan nuevas observaciones, el bosque se actualiza incrementalmente para que las puntuaciones de anomalía permanezcan actualizadas sin reprocesar todo el historial. Esto lo hace práctico para la monitorización en tiempo real, la detección de fraudes y la vigilancia de datos de sensores donde los volúmenes de datos crecen indefinidamente.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation Forest. In Proceedings of the 8th IEEE International Conference on Data Mining (ICDM), pp. 413–422. DOI: 10.1109/ICDM.2008.17 ↗
- Tan, S. C., Ting, K. M., & Liu, T. F. (2011). Fast Anomaly Detection for Streaming Data. In Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAI), pp. 1511–1516. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Online Isolation Forest (Streaming Anomaly Detection with Isolation Trees). ScholarGate. https://scholargate.app/es/machine-learning/online-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.
- Detección de anomalías con autoencoderAprendizaje automático↔ compare
- Isolation ForestAprendizaje automático↔ compare
- SVM de una claseAprendizaje automático↔ compare
- Aprendizaje en líneaAprendizaje automático↔ compare
- Random Forest en líneaAprendizaje automático↔ compare
- Isolation Forest SemisupervisadoAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →