Aktiivisen oppimisen eristysmetsä
Aktiivisen oppimisen eristysmetsä yhdistää eristysmetsän valvomattoman poikkeamapisteytysvoiman iteratiiviseen kyselystrategiaan, joka pyytää ihmisasiantuntijaa merkitsemään informatiivisimmat tapaukset. Tuloksena on tunnistin, joka tarkentaa poikkeamarajojaan minimaalisella merkintäbudjetilla, parantaen dramaattisesti harvinaisten ja hienovaraisten poikkeamien tarkkuutta verrattuna puhtaasti valvomattomaan perusmenetelmään.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Das, S., Wong, W. K., Fern, A., Dietterich, T. G., & Amran Siddiqui, M. (2019). Incorporating Expert Feedback into Active Anomaly Discovery. In Proceedings of the 2019 IEEE International Conference on Data Mining (ICDM), pp. 1009–1014. link ↗
- Liu, F. T., Ting, K. M., & Zhou, Z. H. (2008). Isolation Forest. In Proceedings of the 8th IEEE International Conference on Data Mining (ICDM), pp. 413–422. DOI: 10.1109/ICDM.2008.17 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Active Learning with Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/fi/machine-learning/active-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.
- Aktiivinen oppiminenKoneoppiminen↔ compare
- Autoenkooderin poikkeamien tunnistusKoneoppiminen↔ compare
- Isolation ForestKoneoppiminen↔ compare
- Yhden luokan SVMKoneoppiminen↔ compare
- Puolivalvottu eristysmetsäKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →