Las Izolacyjny (Ensemble Isolation Forest)
Las losowy (Ensemble Isolation Forest) trenuje wiele modeli lasu izolacyjnego — każdy z innymi ziarnami losowości, współczynnikami podpróbkowania lub parametrami kontaminacji — i łączy ich wyniki anomalii, aby uzyskać bardziej stabilny i solidny ranking anomalii. Poprzez uśrednianie lub agregowanie wyników z kilku niezależnych lasów izolacyjnych, metoda redukuje wariancję właściwą dla pojedynczego lasu i zapewnia bardziej wiarygodne wykrywanie wartości odstających w złożonych lub wysokowymiarowych danych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection). ScholarGate. https://scholargate.app/pl/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.
- Detekcja anomalii za pomocą autoenkoderówUczenie maszynowe↔ compare
- Isolation ForestUczenie maszynowe↔ compare
- One-Class SVMUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
- Ensemble głosującyUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →