Online Isolation Forest
Online Isolation Forest laajentaa Isolation Forest -poikkeamienhavaitsemisalgoritmia suoratoistoon tai jatkuvasti saapuvalle datalle. Sen sijaan, että eristyspuita rakennettaisiin tyhjästä uusien havaintojen saapuessa, metsää päivitetään inkrementaalisesti niin, että poikkeamapisteet pysyvät ajan tasalla ilman koko historian uudelleenkäsittelyä. Tämä tekee siitä käytännöllisen reaaliaikaiseen seurantaan, petosten havaitsemiseen ja anturidatavalvontaan, jossa datamäärät kasvavat rajattomasti.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
- Tan, S. C., Ting, K. M., & Liu, T. F. (2011). Fast Anomaly Detection for Streaming Data. In Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAI), pp. 1511–1516. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Online Isolation Forest (Streaming Anomaly Detection with Isolation Trees). ScholarGate. https://scholargate.app/fi/machine-learning/online-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.
- Autoenkooderin poikkeamien tunnistusKoneoppiminen↔ compare
- Isolation ForestKoneoppiminen↔ compare
- Yhden luokan SVMKoneoppiminen↔ compare
- Online-oppiminenKoneoppiminen↔ compare
- Verkkopohjainen Random ForestKoneoppiminen↔ compare
- Puolivalvottu eristysmetsäKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →