Semi-supervised Isolation Forest
O Semi-supervised Isolation Forest estende o detector de anomalias clássico Isolation Forest incorporando um pequeno conjunto de exemplos rotulados de anomalias (e possivelmente normais) juntamente com um grande conjunto de dados não rotulados. Essa orientação por rótulos ajusta os escores de anomalia do modelo para que anomalias conhecidas sejam separadas de forma mais confiável, preenchendo a lacuna entre a detecção totalmente não supervisionada e a totalmente supervisionada.
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
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/pt/machine-learning/semi-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.
- Detecção de Anomalias com AutoencoderAprendizado de máquina↔ compare
- Isolation ForestAprendizado de máquina↔ compare
- Local Outlier Factor (LOF)Aprendizado de máquina↔ compare
- One-Class SVMAprendizado de máquina↔ compare
- Random ForestAprendizado de máquina↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →