Machine learning

Isolation Forest

Isolation Forest on an unsupervised, koneenopimisen menetelmä poikkeamien ja ulokkeiden havaitsemiseen, jonka Liu, Ting ja Zhou esittelivät vuonna 2008. Se eristää poikkeamat datan satunnaisen osioinnin avulla. Menetelmä toimii ilman merkittyä poikkeamatietoa ja skaalautuu korkeaulotteisiin aineistoihin.

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.

+24 more

Lähteet

  1. Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17

Näin viittaat tähän sivuun

ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/fi/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.

Compare side by side

Tähän viittaavat

ScholarGateIsolation Forest (Isolation Forest (Anomaly Detection via Random Partitioning)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/machine-learning/isolation-forest · Aineisto: https://doi.org/10.5281/zenodo.20539026