Isolation Forest Auto-supervisionado
O Isolation Forest Auto-supervisionado (Self-supervised Isolation Forest) aprimora o detector clássico de anomalias Isolation Forest com uma etapa de pré-treinamento auto-supervisionado. Uma tarefa pretextual — como prever rotação, características mascaradas ou pares contrastivos — é resolvida sem rótulos para aprender uma representação de características mais rica, que é então utilizada na construção das árvores de isolamento, resultando em pontuações de anomalia mais nítidas em dados tabulares complexos e 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), pp. 413–422. DOI: 10.1109/ICDM.2008.17 ↗
- Isolation Forest. Wikipedia. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Isolation Forest (SSL-augmented Anomaly Detection). ScholarGate. https://scholargate.app/pt/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.
- AutoencoderAprendizado profundo↔ compare
- Isolation ForestAprendizado de máquina↔ compare
- Local Outlier Factor (LOF)Aprendizado de máquina↔ compare
- One-Class SVMAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →