Pusuzraudzītā izolācijas meža metode (Semi-supervised Isolation Forest)
Pusuzraudzītā izolācijas meža metode paplašina klasisko izolācijas meža anomāliju detektoru, iekļaujot nelielu marķētu anomāliju (un, iespējams, normālu) piemēru kopu līdztekus lielai nemarķētai datu kopai. Šī marķējuma vadība pielāgo modeļa anomāliju rādītājus, lai zināmās anomālijas tiktu atdalītas uzticamāk, tādējādi mazinot plaisu starp pilnībā neuzraudzītu un pilnībā uzraudzītu detektēšanu.
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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/lv/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.
- Autoencoder anomāliju noteikšanaMašīnmācīšanās↔ compare
- Isolation ForestMašīnmācīšanās↔ compare
- Lokālā novirzes faktors (LOF)Mašīnmācīšanās↔ compare
- Vienas klases SVMMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →