Polu-nadgledana (Semi-supervised) verzija metode Isolation Forest
Polu-nadgledana verzija metode Isolation Forest proširuje klasični detektor anomalija Isolation Forest uvođenjem malog skupa označenih anomalija (i eventualno normalnih primjera) uz veliku neoznačenu bazu podataka. Ovo usmjeravanje oznakama prilagođava rezultate (score) modela za anomalije tako da se poznate anomalije pouzdanije odvajaju, premošćujući jaz između potpuno ne-nadgledane i potpuno nadgledane detekcije.
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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/hr/machine-learning/semi-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.
- Detekcija anomalija pomoću autoenkoderaStrojno učenje↔ compare
- Izolacijska šumaStrojno učenje↔ compare
- Lokalni faktor odstupanja (LOF)Strojno učenje↔ compare
- Jednoklasni SVMStrojno učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →