Ensemble Isolation Forest
Ensemble Isolation Forest melatih berbilang model Isolation Forest — setiap satunya dengan benih rawak, nisbah pensampelan semula, atau parameter pencemaran yang berbeza — dan menggabungkan skor anomalinya untuk menghasilkan kedudukan anomali yang lebih stabil dan teguh. Dengan mengambil purata atau menggabungkan beberapa hutan pengasingan bebas, kaedah ini mengurangkan varians yang wujud dalam mana-mana hutan tunggal dan menghasilkan pengesanan pencilan yang lebih boleh dipercayai pada data yang kompleks atau berdimensi tinggi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
- Isolation Forest. Wikipedia. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection). ScholarGate. https://scholargate.app/ms/machine-learning/ensemble-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.
- Pengesanan Anomali AutoenkoderPembelajaran Mesin↔ compare
- Isolation ForestPembelajaran Mesin↔ compare
- SVM Kelas TunggalPembelajaran Mesin↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Ensembel UndianPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →