Isolation Forest em Ensemble
O Isolation Forest em Ensemble treina múltiplos modelos Isolation Forest — cada um com diferentes sementes aleatórias, razões de subamostragem ou parâmetros de contaminação — e combina suas pontuações de anomalia para produzir um ranking de anomalias mais estável e robusto. Ao fazer a média ou agregar várias florestas de isolamento independentes, o método reduz a variância inerente a qualquer floresta única e produz uma detecção de outliers mais confiável em dados complexos ou de alta dimensionalidade.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection). ScholarGate. https://scholargate.app/pt/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.
- Detecção de Anomalias com AutoencoderAprendizado de máquina↔ compare
- Isolation ForestAprendizado de máquina↔ compare
- One-Class SVMAprendizado de máquina↔ compare
- Random ForestAprendizado de máquina↔ compare
- Comitê de VotaçãoAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →