Online Isolation Forest
Online Isolation Forest rozszerza algorytm wykrywania anomalii Isolation Forest na dane strumieniowe lub stale napływające. Zamiast odbudowywać drzewa izolacji od podstaw przy napływie nowych obserwacji, las jest aktualizowany przyrostowo, dzięki czemu wyniki anomalii pozostają aktualne bez ponownego przetwarzania całej historii. Czyni to algorytm praktycznym do monitorowania w czasie rzeczywistym, wykrywania oszustw i nadzoru nad danymi z czujników, gdzie wolumen danych rośnie w nieskończoność.
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), 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Online Isolation Forest (Streaming Anomaly Detection with Isolation Trees). ScholarGate. https://scholargate.app/pl/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.
- Detekcja anomalii za pomocą autoenkoderówUczenie maszynowe↔ compare
- Isolation ForestUczenie maszynowe↔ compare
- One-Class SVMUczenie maszynowe↔ compare
- Uczenie onlineUczenie maszynowe↔ compare
- Online Random ForestUczenie maszynowe↔ compare
- Półnadzorowany Isolation ForestUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →