Ensemble Isolation Forest
Ensemble Isolation Forest trenira višestruke Isolation Forest modele — svaki s različitim slučajevnim sjemenom (random seed), omjerom poduzorkovanja (subsampling ratio) ili parametrima kontaminacije — te kombinira njihove rezultate anomalije (anomaly scores) kako bi se dobilo stabilnije, robusnije rangiranje anomalija. Prosječnim zbrajanjem ili agregacijom više neovisnih stabala izolacije (isolation forests), metoda smanjuje varijancu svojstvenu bilo kojem pojedinačnom stablu i daje pouzdanije otkrivanje odstupanja (outlier detection) na složenim ili visokodimenzionalnim podacima.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection). ScholarGate. https://scholargate.app/hr/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.
- Detekcija anomalija pomoću autoenkoderaStrojno učenje↔ compare
- Izolacijska šumaStrojno učenje↔ compare
- Jednoklasni SVMStrojno učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Glasački sklopStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →