Isolation Forest semi-supervisionato
L'Isolation Forest semi-supervisionato estende il classico rilevatore di anomalie Isolation Forest incorporando un piccolo insieme di esempi di anomalie (e possibilmente normali) etichettati accanto a un ampio set di dati non etichettati. Questa guida tramite etichette regola i punteggi di anomalia del modello in modo che le anomalie note vengano separate in modo più affidabile, colmando il divario tra il rilevamento completamente non supervisionato e quello completamente supervisionato.
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
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/it/machine-learning/semi-supervised-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
- Local Outlier Factor (LOF)Apprendimento automatico↔ compare
- One-Class SVMApprendimento automatico↔ compare
- Random ForestApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →