Machine learningMachine learning

Онлајн изолациони шум (Online Isolation Forest)

Онлајн изолациони шум проширује алгоритам за детекцију аномалија Изолациони шум (Isolation Forest) на податке који пристижу у виду стрима или континуирано. Уместо поновног изграђивања изолационих стабала од нуле када стижу нове опсервације, шум се ажурира инкрементално тако да резултати аномалија остају актуелни без поновне обраде целокупне историје. Ово га чини практичним за праћење у реалном времену, детекцију превара и надзор података са сензора где запремина података неограничено расте.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

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

Izvori

  1. 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
  2. Tan, S. C., Ting, K. M., & Liu, T. F. (2011). Fast Anomaly Detection for Streaming Data. In Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAI), pp. 1511–1516. link

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Online Isolation Forest (Streaming Anomaly Detection with Isolation Trees). ScholarGate. https://scholargate.app/sr/machine-learning/online-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
ScholarGateOnline Isolation Forest (Online Isolation Forest (Streaming Anomaly Detection with Isolation Trees)). Preuzeto 2026-06-15 sa https://scholargate.app/sr/machine-learning/online-isolation-forest · Skup podataka: https://doi.org/10.5281/zenodo.20539026