Semi-supervised Isolation Forest
Semi-supervised Isolation Forest breidt de klassieke Isolation Forest-anomaliendetector uit door een kleine set gelabelde anomalie- (en mogelijk normale) voorbeelden te incorporeren naast een grote ongelabelde dataset. Deze labelgeleiding past de anomalie-scores van het model aan, zodat bekende anomalieën betrouwbaarder worden gescheiden, wat de kloof overbrugt tussen volledig ongesuperviseerde en volledig gesuperviseerde detectie.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/nl/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 AnomaliedetectieMachine learning↔ compare
- Isolation ForestMachine learning↔ compare
- Local Outlier Factor (LOF)Machine learning↔ compare
- One-Class SVMMachine learning↔ compare
- Random ForestMachine learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →