Online Isolation Forest
Online Isolation Forest extinde algoritmul de detecție a anomaliilor Isolation Forest la fluxuri de date sau date sosite continuu. În loc să reconstruiască arborii de izolare de la zero la sosirea unor noi observații, pădurea este actualizată incremental, astfel încât scorurile de anomalie să rămână curente fără a reexamina întregul istoric. Acest lucru o face practică pentru monitorizarea în timp real, detectarea fraudelor și supravegherea datelor de la senzori, unde volumele de date cresc indefinit.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
- Tan, S. C., Ting, K. M., & Liu, T. F. (2011). Fast Anomaly Detection for Streaming Data. In Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAI), pp. 1511–1516. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Online Isolation Forest (Streaming Anomaly Detection with Isolation Trees). ScholarGate. https://scholargate.app/ro/machine-learning/online-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.
- Detecția anomaliilor cu autoencoderÎnvățare automată↔ compare
- Isolation ForestÎnvățare automată↔ compare
- SVM pentru o singură clasăÎnvățare automată↔ compare
- Învățare onlineÎnvățare automată↔ compare
- Pădurea Aleatoare OnlineÎnvățare automată↔ compare
- Izolare semi-supervizată a arborilorÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →