Machine learningMachine learning
説明可能なアイソレーションフォレスト
説明可能なアイソレーションフォレストは、アイソレーションフォレスト異常検知アルゴリズムと、事後説明性ツール（最も一般的にはSHAP（SHapley Additive exPlanations））を組み合わせることで、異常な観測値をフラグ付けするだけでなく、各異常スコアを駆動した特徴を明らかにします。これは、教師なし異常検知と、規制対象分野や高リスク分野における解釈性の要求を橋渡しします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation forest. In Proceedings of the 8th IEEE International Conference on Data Mining (ICDM 2008), pp. 413–422. IEEE. DOI: 10.1109/ICDM.2008.17 ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Isolation Forest (Isolation Forest with SHAP-based Interpretability). ScholarGate. https://scholargate.app/ja/machine-learning/explainable-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.
- オートエンコーダ異常検知機械学習↔ compare
- 説明可能な勾配ブースティング機械学習↔ compare
- 説明可能なランダムフォレスト機械学習↔ compare
- アイソレーションフォレスト機械学習↔ compare
- One-Class SVM機械学習↔ compare