Izolacijska šuma
Izolacijska šuma (Isolation Forest) je nenadzirana metoda strojnog učenja za detekciju anomalija i odstupanja, koju su 2008. predstavili Liu, Ting i Zhou, a koja izolira anomalije nasumičnim particioniranjem podataka. Radi bez označenih podataka o anomalijama i skalabilna je na skupove podataka visoke dimenzionalnosti.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Izvori
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/hr/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.
- Stablo odlučivanjaStrojno učenje↔ compare
- Gaussov model smjeseStrojno učenje↔ compare
- Analiza glavnih komponentStrojno učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- t-SNEStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →