Active Learning Isolation Forest
Active Learning Isolation Forest kombinuje nesúvislú silu detektora anomálií Isolation Forest s iteratívnou stratégiou dopytovania, ktorá žiada ľudského experta o označenie najinformatívnejších príkladov. Výsledkom je detektor, ktorý spresňuje svoje hranice anomálií s minimálnym rozpočtom na označovanie, čím dramaticky zlepšuje presnosť pri zriedkavých a subtílnych anomáliách v porovnaní s čisto nesúvislým základným modelom.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Das, S., Wong, W. K., Fern, A., Dietterich, T. G., & Amran Siddiqui, M. (2019). Incorporating Expert Feedback into Active Anomaly Discovery. In Proceedings of the 2019 IEEE International Conference on Data Mining (ICDM), pp. 1009–1014. link ↗
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Active Learning with Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/sk/machine-learning/active-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.
- Aktívne učenieStrojové učenie↔ compare
- Detekcia anomálií pomocou autoenkóderovStrojové učenie↔ compare
- Isolation ForestStrojové učenie↔ compare
- Jednotriedny SVMStrojové učenie↔ compare
- Semi-supervised Isolation ForestStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →