Ensemble Isolation Forest
Ensemble Isolation Forest tränar flera Isolation Forest-modeller — var och en med olika slumpmässiga frön, subsampling-förhållanden eller kontaminationsparametrar — och kombinerar deras anomalipoäng för att producera en mer stabil, robust rangordning av anomalier. Genom att medelvärdesbilda eller aggregera över flera oberoende isoleringsskogar minskar metoden variansen som är inneboende i en enskild skog och ger mer tillförlitlig identifiering av extremvärden på komplexa eller högdimensionella data.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation Forest. In Proceedings of the 8th IEEE International Conference on Data Mining (ICDM 2008), pp. 413–422. IEEE. DOI: 10.1109/ICDM.2008.17 ↗
- Isolation Forest. Wikipedia. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection). ScholarGate. https://scholargate.app/sv/machine-learning/ensemble-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.
- Autoencoder AnomalidetekteringMaskininlärning↔ compare
- Isolation ForestMaskininlärning↔ compare
- One-class SVMMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
- RöstningsensembleMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →