Forêt d'isolement en ensemble
La Forêt d'isolement en ensemble entraîne plusieurs modèles de Forêt d'isolement — chacun avec des graines aléatoires, des ratios d'échantillonnage ou des paramètres de contamination différents — et combine leurs scores d'anomalie pour produire un classement d'anomalies plus stable et robuste. En moyennant ou en agrégeant plusieurs forêts d'isolement indépendantes, la méthode réduit la variance inhérente à toute forêt unique et produit une détection des valeurs aberrantes plus fiable sur des données complexes ou de haute dimension.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
- Isolation Forest. Wikipedia. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection). ScholarGate. https://scholargate.app/fr/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.
- Détection d'anomalies par auto-encodeurApprentissage automatique↔ compare
- Isolation ForestApprentissage automatique↔ compare
- SVM à une classeApprentissage automatique↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- Ensemble par voteApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →