Pašuzraudzības izolācijas mežs
Pašuzraudzības izolācijas mežs papildina klasisko izolācijas meža anomāliju detektoru ar pašuzraudzības pirmapmācības posmu. Priekšteksta uzdevums — piemēram, rotācijas, maskētu iezīmju vai kontrastīvu pāru prognozēšana — tiek atrisināts bez etiķetēm, lai apgūtu bagātīgāku iezīmju reprezentāciju, kas pēc tam tiek izmantota, veidojot izolācijas kokus, tādējādi iegūstot precīzākus anomāliju rādītājus sarežģītiem, augstdmensionāliem tabulu datiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
- Isolation Forest. Wikipedia. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised Isolation Forest (SSL-augmented Anomaly Detection). ScholarGate. https://scholargate.app/lv/machine-learning/self-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.
- AutoencoderDziļā mācīšanās↔ compare
- Isolation ForestMašīnmācīšanās↔ compare
- Lokālā novirzes faktors (LOF)Mašīnmācīšanās↔ compare
- Vienas klases SVMMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →