ScholarGate
Assistent
Machine learning

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.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

The neighbourhood of related methods — select a node to explore.

+24 more

Kilder

  1. 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.

Compare side by side

Referert av

ScholarGateIsolation Forest (Isolation Forest (Anomaly Detection via Random Partitioning)). Hentet 2026-06-15 fra https://scholargate.app/no/machine-learning/isolation-forest · Datasett: https://doi.org/10.5281/zenodo.20539026