Online Isolation Forest
Online Isolation Forest estende l'algoritmo di rilevamento anomalie Isolation Forest ai dati in streaming o in arrivo continuo. Invece di ricostruire gli alberi di isolamento da zero quando arrivano nuove osservazioni, la foresta viene aggiornata incrementalmente in modo che i punteggi di anomalia rimangano aggiornati senza rielaborare l'intera cronologia. Ciò lo rende pratico per il monitoraggio in tempo reale, il rilevamento di frodi e la sorveglianza dei dati dei sensori in cui i volumi di dati crescono indefinitamente.
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.
Fonti
- Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation Forest. In Proceedings of the 8th IEEE International Conference on Data Mining (ICDM), pp. 413–422. DOI: 10.1109/ICDM.2008.17 ↗
- Tan, S. C., Ting, K. M., & Liu, T. F. (2011). Fast Anomaly Detection for Streaming Data. In Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAI), pp. 1511–1516. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Online Isolation Forest (Streaming Anomaly Detection with Isolation Trees). ScholarGate. https://scholargate.app/it/machine-learning/online-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.
- Rilevamento anomalie con autoencoderApprendimento automatico↔ compare
- Isolation ForestApprendimento automatico↔ compare
- One-Class SVMApprendimento automatico↔ compare
- Apprendimento OnlineApprendimento automatico↔ compare
- Online Random ForestApprendimento automatico↔ compare
- Isolation Forest semi-supervisionatoApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →