Robustný izolačný les (Robust Isolation Forest)
Robustný izolačný les rozširuje klasický detektor anomálií Isolation Forest o stratégie, ktoré znižujú citlivosť na kontamináciu dát, maskovacie efekty a skreslené náhodné rozdelenia. Začlenením robustných mechanizmov – ako je vylepšené podvzorkovanie, preváženie podozrivých oblastí alebo rozdelenie s korekciou skreslenia – dosahuje spoľahlivejšie skóre anomálií, keď samotné trénovacie dáta obsahujú netriviálnu časť anomálií alebo keď špecifické distribúcie atribútov spôsobujú, že štandardný iForest produkuje nespoľahlivé dĺžky ciest.
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
- Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation Forest. In Proceedings of the IEEE International Conference on Data Mining (ICDM), pp. 413–422. IEEE. DOI: 10.1109/ICDM.2008.17 ↗
- Hariri, S., Kind, M. C., & Brunner, R. J. (2019). Extended Isolation Forest. IEEE Transactions on Knowledge and Data Engineering, 33(4), 1479–1489. DOI: 10.1109/TKDE.2019.2947676 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust Isolation Forest (Anomaly Detection with Robustness to Noise and Contamination). ScholarGate. https://scholargate.app/sk/machine-learning/robust-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.
- Detekcia anomálií pomocou autoenkóderovStrojové učenie↔ compare
- Isolation ForestStrojové učenie↔ compare
- Jednotriedny SVMStrojové učenie↔ compare
- Robustná detekcia anomálií pomocou autoenkódraStrojové učenie↔ compare
- Robust One-Class SVMStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →