Samonadzorowany las izolacyjny
Samonadzorowany las izolacyjny (Self-supervised Isolation Forest) rozszerza klasyczny detektor anomalii Isolation Forest o etap wstępnego uczenia samonadzorowanego. Zadanie pretekstowe – takie jak przewidywanie rotacji, zamaskowanych cech lub par kontrastowych – jest rozwiązywane bez etykiet w celu nauczenia się bogatszej reprezentacji cech, która jest następnie wykorzystywana przy budowaniu drzew izolacyjnych, co daje ostrzejsze wyniki anomalii na złożonych, wysokowymiarowych danych tabelarycznych.
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 ↗
- Isolation Forest. Wikipedia. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised Isolation Forest (SSL-augmented Anomaly Detection). ScholarGate. https://scholargate.app/pl/machine-learning/self-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.
- AutoenkoderUczenie głębokie↔ compare
- Isolation ForestUczenie maszynowe↔ compare
- Lokalny Wskaźnik Wartości Odstających (Local Outlier Factor - LOF)Uczenie maszynowe↔ compare
- One-Class SVMUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →