Robust Isolation Forest
Robust Isolation Forest, क्लासिक Isolation Forest एनोमली डिटेक्टर को ऐसी रणनीतियों के साथ विस्तारित करता है जो डेटा संदूषण, मास्किंग प्रभावों और पक्षपाती यादृच्छिक विभाजनों के प्रति संवेदनशीलता को कम करती हैं। मजबूती तंत्र को शामिल करके — जैसे बेहतर उप-नमूनाकरण, संदिग्ध क्षेत्रों का पुनः-भारण, या पूर्वाग्रह-सुधारित विभाजन — यह अधिक विश्वसनीय एनोमली स्कोर प्राप्त करता है जब प्रशिक्षण डेटा में स्वयं एनोमली का एक गैर-तुच्छ अंश होता है या जब विशिष्ट फीचर वितरण मानक iForest को अविश्वसनीय पथ लंबाई उत्पन्न करने का कारण बनते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation Forest. In Proceedings of the IEEE International Conference on Data Mining (ICDM), pp. 413–422. IEEE. DOI: 10.1109/ICDM.2008.17 ↗
- Hariri, S., Kind, M. C., & Brunner, R. J. (2019). Extended Isolation Forest. IEEE Transactions on Knowledge and Data Engineering, 33(4), 1479–1489. DOI: 10.1109/TKDE.2019.2947676 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Robust Isolation Forest (Anomaly Detection with Robustness to Noise and Contamination). ScholarGate. https://scholargate.app/hi/machine-learning/robust-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.
- ऑटोएन्कोडर विसंगति का पता लगानामशीन अधिगम↔ compare
- आइसोलेशन फ़ॉरेस्टमशीन अधिगम↔ compare
- वन-क्लास एसवीएममशीन अधिगम↔ compare
- मजबूत ऑटोएन्कोडर विसंगति का पता लगानामशीन अधिगम↔ compare
- मजबूत एक-वर्ग SVMमशीन अधिगम↔ compare