Explainable Isolation Forest
Explainable Isolation Forest ühendab Isolation Foresti anomaaliate tuvastamise algoritmi post-hoc selgitustööriistadega – kõige sagedamini SHAP (SHapley Additive exPlanations) – et mitte ainult märkida anomaalseid vaatlusi, vaid ka paljastada, millised tunnused iga anomaalia skoori põhjustasid. See ühendab järelevalveta anomaaliate tuvastamise reguleeritud ja kõrge panusega valdkondade tõlgendatavuse nõudmistega.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation forest. In Proceedings of the 8th IEEE International Conference on Data Mining (ICDM 2008), pp. 413–422. IEEE. DOI: 10.1109/ICDM.2008.17 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Explainable Isolation Forest (Isolation Forest with SHAP-based Interpretability). ScholarGate. https://scholargate.app/et/machine-learning/explainable-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.
- Autoenkooderiga anomaaliate tuvastamineMasinõpe↔ compare
- Selgitatav gradienttugevdamineMasinõpe↔ compare
- Selgitatav juhuslik metsMasinõpe↔ compare
- Isolation ForestMasinõpe↔ compare
- Üheklassi SVMMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →