Online Isolation Forest
Online Isolation Forest melanjutkan algoritma pengesanan anomali Isolation Forest kepada data strim atau data yang tiba secara berterusan. Berbanding membina semula pokok pengasingan dari awal apabila pemerhatian baharu tiba, hutan pokok dikemas kini secara inkremental supaya skor anomali kekal semasa tanpa memproses semula keseluruhan sejarah. Ini menjadikannya praktikal untuk pemantauan masa nyata, pengesanan penipuan, dan pengawasan data sensor di mana jumlah data sentiasa bertambah.
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), pp. 413–422. DOI: 10.1109/ICDM.2008.17 ↗
- Tan, S. C., Ting, K. M., & Liu, T. F. (2011). Fast Anomaly Detection for Streaming Data. In Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAI), pp. 1511–1516. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Online Isolation Forest (Streaming Anomaly Detection with Isolation Trees). ScholarGate. https://scholargate.app/ms/machine-learning/online-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
- Pembelajaran Dalam TalianPembelajaran Mesin↔ compare
- Hutan Rawak Dalam TalianPembelajaran Mesin↔ compare
- Hutan Pengasingan Separa Sedia TerkawalPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →