Isolation Forest
Az Isolation Forest egy felügyelet nélküli, gépi tanulási módszer anomáliák és kiugró értékek detektálására, amelyet Liu, Ting és Zhou vezetett be 2008-ban. A módszer a véletlen adatparticionálás révén szigeteli el a kiugró értékeket. Nem igényel címkézett anomáliadatokat, és jól skálázódik nagy dimenziójú adathalmazokon.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Források
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/hu/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.
- Döntési faGépi tanulás↔ compare
- Gauss-keverék modellGépi tanulás↔ compare
- Főkomponens-analízisGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- t-SNEGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →