Machine learning

Isolation Forest

Isolation Forest adalah metode pembelajaran mesin tanpa pengawasan untuk deteksi anomali dan pencilan, yang diperkenalkan oleh Liu, Ting, dan Zhou pada tahun 2008, yang mengisolasi anomali melalui partisi acak data. Metode ini bekerja tanpa data anomali berlabel dan dapat diskalakan ke kumpulan data berdimensi tinggi.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

Isolation Forest

Pohon Keputusan Model Campuran Gaussian Analisis Komponen Utama Random Forest t-SNE Isolation Forest Pembela…Pembelajaran Aktif SVM S…Deteksi Anomali Autoenco…Deteksi Anomali Mengguna…SVM Satu Kelas Bayesian

+24 more

Sumber

Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗

Cara menyitasi halaman ini

ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/id/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.

Pohon KeputusanPembelajaran Mesin↔ compare
Model Campuran GaussianPembelajaran Mesin↔ compare
Analisis Komponen UtamaPembelajaran Mesin↔ compare
Random ForestPembelajaran Mesin↔ compare
t-SNEPembelajaran Mesin↔ compare

Compare side by side →

Dirujuk oleh

Isolation Forest Pembelajaran Aktif Pembelajaran Aktif SVM Satu Kelas Deteksi Anomali Autoencoder Deteksi Anomali Menggunakan Autoencoder Bayesian SVM Satu Kelas Bayesian Deteksi Anomali Ensemble Autoencoder Ensemble Isolation Forest Ensemble One-Class SVM Deteksi Anomali Autoencoder yang Dapat Dijelaskan Isolation Forest yang Dapat Dijelaskan SVM Satu Kelas yang Dapat Dijelaskan LightGBM Local Outlier Factor (LOF)SVM Satu Kelas Deteksi Anomali Autoencoder Daring Isolation Forest Daring SVM Satu Kelas Daring Deteksi Luar Distribusi Deteksi Anomali Autoencoder Robust Robust Gaussian Mixture Model Robust Isolation Forest Robust One-Class SVM Hutan Acak Robust Deteksi Anomali Autoencoder yang Diawasi Mandiri Isolation Forest yang disupervisi mandiri SVM Satu-Kelas Diawasi Mandiri Deteksi Anomali Semi-terawasi dengan Autoencoder Semi-supervised Isolation Forest Semi-supervised One-class SVM

Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →

Baca metode selengkapnya

Method map

Sumber

Cara menyitasi halaman ini

Metode terkait

Which method?

Dirujuk oleh