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.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Fonti
- 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.
- Albero decisionaleApprendimento automatico↔ compare
- Modello di Miscela GaussianaApprendimento automatico↔ compare
- Analisi delle Componenti PrincipaliApprendimento automatico↔ compare
- Random ForestApprendimento automatico↔ compare
- t-SNEApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →