Isolation Forest
Isolation Forest — это метод машинного обучения без учителя для обнаружения аномалий и выбросов, предложенный Лю, Тингом и Чжоу в 2008 году, который изолирует аномалии посредством случайного разбиения данных. Он работает без каких-либо размеченных данных об аномалиях и масштабируется для работы с многомерными наборами данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
Источники
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/ru/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.
- Дерево решенийМашинное обучение↔ compare
- Модель гауссовских смесейМашинное обучение↔ compare
- Анализ главных компонентМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- t-SNEМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →