Isolation Forest
Isolation Forest ir neuzraudzīta mašīnmācīšanās metode anomāliju un ārkārtēju vērtību noteikšanai, ko 2008. gadā ieviesa Liu, Ting un Džou. Tā izolē anomālijas, nejauši sadalot datus. Tā darbojas bez marķētiem anomāliju datiem un spēj apstrādāt augstdimensionālus datu kopumus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Avoti
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/lv/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.
- Koku lēmumu pieņemšana (Decision Tree)Mašīnmācīšanās↔ compare
- Gausa sadalījuma maisījuma modelisMašīnmācīšanās↔ compare
- Primārā komponentu analīzeMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- t-SNEMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →