Isolation Forest Semisupervisado
Isolation Forest Semisupervisado extiende el detector de anomalías clásico Isolation Forest incorporando un pequeño conjunto de ejemplos etiquetados de anomalías (y posiblemente normales) junto con un gran conjunto de datos sin etiquetar. Esta guía de etiquetas ajusta las puntuaciones de anomalías del modelo para que las anomalías conocidas se separen de manera más fiable, cerrando la brecha entre la detección totalmente no supervisada y la totalmente supervisada.
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
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/es/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.
- Detección de anomalías con autoencoderAprendizaje automático↔ compare
- Isolation ForestAprendizaje automático↔ compare
- Factor de Valor Atípico Local (LOF)Aprendizaje automático↔ compare
- SVM de una claseAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →