Machine learningMachine learning

Ensemble Isolation Forest

Ensemble Isolation Forest kouluttaa useita Isolation Forest -malleja – kukin eri satunnaissiementen, osanottomäärien tai saastumisparametrien avulla – ja yhdistää niiden poikkeavuuspisteet tuottaakseen vakaamman ja luotettavamman poikkeavuusjärjestyksen. Keskiarvoistamalla tai aggregoimalla useiden itsenäisten eristysmetsien yli menetelmä vähentää yksittäisen metsän luontaista varianssia ja tuottaa luotettavampaa poikkeamien tunnistusta monimutkaisessa tai korkeaulotteisessa datassa.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

Lähteet

  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

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection). ScholarGate. https://scholargate.app/fi/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)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/machine-learning/ensemble-isolation-forest · Aineisto: https://doi.org/10.5281/zenodo.20539026