Isolation Forest
Isolation Forest er en uovervåket maskinlæringsmetode for deteksjon av anomalier og uteliggere, introdusert av Liu, Ting og Zhou i 2008, som isolerer anomalier gjennom tilfeldig partisjonering av dataene. Den fungerer uten merkede anomalidata og skalerer til høydimensjonale datasett.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Kilder
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/no/machine-learning/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.
- BeslutningstreMaskinlæring↔ compare
- Gaussisk blandingsmodellMaskinlæring↔ compare
- HovedkomponentanalyseMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- t-SNEMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →