Isolation Forest
Isolation Forest é um método de aprendizado de máquina não supervisionado para detecção de anomalias e outliers, introduzido por Liu, Ting e Zhou em 2008, que isola anomalias através de particionamento aleatório dos dados. Funciona sem dados de anomalia rotulados e escala para conjuntos de dados 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.
+24 more
Fontes
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
Como citar esta página
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/pt/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.
- Árvore de DecisãoAprendizado de máquina↔ compare
- Modelo de Mistura GaussianaAprendizado de máquina↔ compare
- Análise de Componentes PrincipaisAprendizado de máquina↔ compare
- Random ForestAprendizado de máquina↔ compare
- t-SNEAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →