Pylli i Izolimit i Qëndrueshëm (Robust Isolation Forest)
Pylli i Izolimit i Qëndrueshëm (Robust Isolation Forest) zgjeron detektorin klasik të anomalive Pylli i Izolimit (Isolation Forest) me strategji që reduktojnë ndjeshmërinë ndaj kontaminimit të të dhënave, efekteve maskuese dhe ndarjeve të rastësishme të anshme. Duke përfshirë mekanizma qëndrueshmërie — si nën-mostrimi i përmirësuar, ri-peshimi i rajoneve të dyshimta, ose ndarja e korrigjuar për anshmërinë — ai arrin rezultate anomalie më të besueshme kur vetë të dhënat e trajnimit përmbajnë një fraksion jo-trivial anomalish ose kur shpërndarjet specifike të veçorive bëjnë që iForest standard të prodhojë gjatësi shtegjesh të pasigurta.
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
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Robust Isolation Forest (Anomaly Detection with Robustness to Noise and Contamination). ScholarGate. https://scholargate.app/sq/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.
- Zbulimi i anomalive me autoenkoderMësimi i makinës↔ compare
- Isolation ForestMësimi i makinës↔ compare
- SVM me një klasëMësimi i makinës↔ compare
- Zbulimi i Anomalive me Autoenkoder RobustMësimi i makinës↔ compare
- SVM një-klasë robustMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →