Magyarázható Izolációs Erdő
A Magyarázható Izolációs Erdő (Explainable Isolation Forest) az Izolációs Erdő (Isolation Forest) anomalíadetektáló algoritmust poszt-hoc magyarázhatósági eszközökkel – leggyakrabban a SHAP (SHapley Additive exPlanations) keretrendszerrel – kombinálja, hogy ne csupán a rendellenes megfigyeléseket jelölje meg, hanem azt is feltárja, mely jellemzők hajtották végre az egyes anomaliaszkórokat. Ez az önfelügyelt (unsupervised) anomalíadetektálást összekapcsolja a szabályozott és nagy tétű területek értelmezhetőségi követelményeivel.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Explainable Isolation Forest (Isolation Forest with SHAP-based Interpretability). ScholarGate. https://scholargate.app/hu/machine-learning/explainable-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.
- Autoencoder alapú anomáliadetektálásGépi tanulás↔ compare
- Magyarázható gradiens boostingGépi tanulás↔ compare
- Magyarázható Random ForestGépi tanulás↔ compare
- Isolation ForestGépi tanulás↔ compare
- One-Class SVMGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →