Machine learningMachine learning

جنگل ایزوله گروهی

جنگل ایزوله گروهی چندین مدل جنگل ایزوله را آموزش می‌دهد — هر کدام با بذرهای تصادفی، نسبت‌های نمونه‌برداری فرعی، یا پارامترهای آلودگی متفاوت — و امتیازات ناهنجاری آن‌ها را ترکیب می‌کند تا رتبه‌بندی ناهنجاری پایدارتر و مقاوم‌تری تولید کند. با میانگین‌گیری یا تجمیع چندین جنگل ایزوله مستقل، این روش واریانس ذاتی هر جنگل منفرد را کاهش می‌دهد و تشخیص ناهنجاری قابل اعتمادتر را بر روی داده‌های پیچیده یا با ابعاد بالا ارائه می‌دهد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. 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
  2. Isolation Forest. Wikipedia. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection). ScholarGate. https://scholargate.app/fa/machine-learning/ensemble-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
ScholarGateEnsemble Isolation Forest (Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/machine-learning/ensemble-isolation-forest · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026