جنگل ایزوله (Isolation Forest)
جنگل ایزوله یک روش یادگیری ماشین بدون نظارت برای تشخیص ناهنجاری و دادههای پرت است که توسط لیو، تینگ و ژو در سال ۲۰۰۸ معرفی شد. این روش ناهنجاریها را از طریق تقسیمبندی تصادفی دادهها ایزوله میکند. این روش بدون نیاز به دادههای ناهنجار برچسبگذاریشده کار میکند و برای مجموعهدادههای با ابعاد بالا مقیاسپذیر است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
منابع
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/fa/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.
- درخت تصمیمیادگیری ماشین↔ compare
- مدل آمیخته گوسییادگیری ماشین↔ compare
- تحلیل مؤلفههای اصلییادگیری ماشین↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- تی-اسانای (t-SNE)یادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →