Machine learning

יער בידוד

יער בידוד (Isolation Forest) היא שיטת למידת מכונה בלתי מונחית לגילוי אנומליות וחריגות, שהוצגה על ידי ליו, טינג וג'ואו בשנת 2008, המבודדת אנומליות באמצעות חלוקה אקראית של הנתונים. היא פועלת ללא כל נתוני אנומליה מתויגים ומתאימה עצמה למערכי נתונים בעלי מימדיות גבוהה.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

+24 more

מקורות

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

איך לצטט עמוד זה

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

מאוזכר על ידי

ScholarGateIsolation Forest (Isolation Forest (Anomaly Detection via Random Partitioning)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/isolation-forest · מערך נתונים: https://doi.org/10.5281/zenodo.20539026