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.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Allikad
- 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.
- OtsustuspuuMasinõpe↔ compare
- Gaussi seguimudelMasinõpe↔ compare
- PricipaalanalüüsMasinõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
- t-SNEMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →