Izolimi Aktiv i Pyllit
Izolimi Aktiv i Pyllit kombinon fuqinë e vlerësimit të anomalive të pashpërndarë të Pyllit të Izolimit me një strategji kërkimi iterative që i kërkon një eksperti njerëzor të etiketojë rastet më informative. Rezultati është një detektor që rafinon kufijtë e anomalive të tij duke përdorur një buxhet minimal etiketimi, duke përmirësuar ndjeshëm saktësinë në anomalitë e rralla dhe delikate krahasuar me një bazë tërësisht të pashpërndarë.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Active Learning with Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/sq/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.
- Mësimi aktivMësimi i makinës↔ compare
- Zbulimi i anomalive me autoenkoderMësimi i makinës↔ compare
- Isolation ForestMësimi i makinës↔ compare
- SVM me një klasëMësimi i makinës↔ compare
- Izolimi gjysmë-mbikëqyrësMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →