Isolation Forest
Isolation Forest je metóda neasistovaného strojového učenia na detekciu anomálií a odľahlých hodnôt, ktorú v roku 2008 predstavili Liu, Ting a Zhou. Izoluje anomálie prostredníctvom náhodného rozdeľovania dát. Funguje bez akýchkoľvek označených anomálnych dát a je škálovateľná pre vysokorozmerné súbory dát.
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.
+24 more
Zdroje
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/sk/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.
- Rozhodovací stromStrojové učenie↔ compare
- Gaussovský mixture modelStrojové učenie↔ compare
- Analýza hlavných komponentovStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- t-SNEStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →