ScholarGate
Assistent
Machine learning

Isolation Forest

Isolation Forest on masinõppe meetod anomaaliate ja kõrvalekallete tuvastamiseks, mille 2008. aastal võtsid kasutusele Liu, Ting ja Zhou. See eraldab anomaaliad andmete juhusliku jaotamise teel. See töötab ilma märgistatud anomaaliate andmeteta ja on skaleeritav kõrge-mõõtmeliste andmestike jaoks.

Ava rakenduses MethodMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

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

+24 more

Allikad

  1. Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17

Kuidas sellele lehele viidata

ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/et/machine-learning/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

Sellele viitavad

ScholarGateIsolation Forest (Isolation Forest (Anomaly Detection via Random Partitioning)). Loetud 2026-06-15 aadressilt https://scholargate.app/et/machine-learning/isolation-forest · Andmestik: https://doi.org/10.5281/zenodo.20539026