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.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Lähteet
- 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.
- PäätöspuuKoneoppiminen↔ compare
- Gaussin seosjakaumamalliKoneoppiminen↔ compare
- PääkomponenttianalyysiKoneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- t-SNEKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →