Machine learning

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.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

The neighbourhood of related methods — select a node to explore.

+24 more

Zdroje

  1. 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.

Compare side by side

Odkazujú sem

ScholarGateIsolation Forest (Isolation Forest (Anomaly Detection via Random Partitioning)). Získané 2026-06-15 z https://scholargate.app/sk/machine-learning/isolation-forest · Dátová sada: https://doi.org/10.5281/zenodo.20539026