Isolation Forest auto-supervisé
L'Isolation Forest auto-supervisé augmente le détecteur d'anomalies classique Isolation Forest avec une étape de pré-entraînement auto-supervisé. Une tâche prétexte — telle que la prédiction de rotation, de caractéristiques masquées ou de paires contrastives — est résolue sans étiquettes pour apprendre une représentation de caractéristiques plus riche, qui est ensuite utilisée lors de la construction des arbres d'isolement, produisant des scores d'anomalie plus nets sur des données tabulaires complexes et 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), pp. 413–422. DOI: 10.1109/ICDM.2008.17 ↗
- Isolation Forest. Wikipedia. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Self-supervised Isolation Forest (SSL-augmented Anomaly Detection). ScholarGate. https://scholargate.app/fr/machine-learning/self-supervised-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.
- AutoencodeurApprentissage profond↔ compare
- Isolation ForestApprentissage automatique↔ compare
- Facteur d'Anomalie Locale (LOF)Apprentissage automatique↔ compare
- SVM à une classeApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →