Online Isolation Forest
Online Isolation Forest расширяет алгоритм обнаружения аномалий Isolation Forest на потоковые или непрерывно поступающие данные. Вместо того чтобы перестраивать деревья изоляции с нуля при поступлении новых наблюдений, лес обновляется инкрементально, так что оценки аномалий остаются актуальными без переобработки всей истории. Это делает его практичным для мониторинга в реальном времени, обнаружения мошенничества и наблюдения за данными датчиков, где объемы данных постоянно растут.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Online Isolation Forest (Streaming Anomaly Detection with Isolation Trees). ScholarGate. https://scholargate.app/ru/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.
- Автоэнкодер для обнаружения аномалийМашинное обучение↔ compare
- Isolation ForestМашинное обучение↔ compare
- Одноклассовая SVMМашинное обучение↔ compare
- Онлайн-обучениеМашинное обучение↔ compare
- Online Random ForestМашинное обучение↔ compare
- Полуавтоматический Isolation ForestМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →