Machine learningMachine learning

جنگل ایزوله نیمه‌نظارت‌شده

جنگل ایزوله نیمه‌نظارت‌شده (Semi-supervised Isolation Forest) آشکارساز ناهنجاری جنگل ایزوله کلاسیک را با گنجاندن مجموعه‌ای کوچک از نمونه‌های ناهنجار (و احتمالاً عادی) برچسب‌دار در کنار مجموعه داده بزرگی بدون برچسب، گسترش می‌دهد. این راهنمایی برچسب، امتیازات ناهنجاری مدل را تنظیم می‌کند تا ناهنجاری‌های شناخته‌شده با اطمینان بیشتری جدا شوند و شکاف بین تشخیص کاملاً بدون نظارت و کاملاً نظارت‌شده را پر کند.

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. Görnitz, N., Kloft, M., Rieck, K., & Brefeld, U. (2013). Toward supervised anomaly detection. Journal of Artificial Intelligence Research, 46, 235–262. link
  2. Isolation Forest. Wikipedia. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/fa/machine-learning/semi-supervised-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

ارجاع‌شده در

ScholarGateSemi-supervised Isolation Forest (Semi-supervised Isolation Forest for Anomaly Detection). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/machine-learning/semi-supervised-isolation-forest · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026