ScholarGate
Assistente
Machine learning

Isolation Forest

Isolation Forest è un metodo di apprendimento automatico non supervisionato per il rilevamento di anomalie e outlier, introdotto da Liu, Ting e Zhou nel 2008, che isola le anomalie attraverso la partizione casuale dei dati. Funziona senza dati di anomalia etichettati e si adatta a set di dati ad alta dimensionalità.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

+24 more

Fonti

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

Come citare questa pagina

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

Compare side by side

Citato da

ScholarGateIsolation Forest (Isolation Forest (Anomaly Detection via Random Partitioning)). Consultato il 2026-06-15 da https://scholargate.app/it/machine-learning/isolation-forest · Insieme di dati: https://doi.org/10.5281/zenodo.20539026