Online Isolation Forest
Online Isolation Forest utökar Isolation Forest-algoritmen för anomalidetektering till strömmande eller kontinuerligt ankommande data. Istället för att bygga om isoleringsträd från grunden när nya observationer anländer, uppdateras skogen inkrementellt så att anomalipoäng förblir aktuella utan att hela historiken bearbetas om. Detta gör den praktisk för realtidsövervakning, bedrägeridetektering och övervakning av sensordata där datavolymerna växer obegränsat.
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), pp. 413–422. DOI: 10.1109/ICDM.2008.17 ↗
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Online Isolation Forest (Streaming Anomaly Detection with Isolation Trees). ScholarGate. https://scholargate.app/sv/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.
- Autoencoder AnomalidetekteringMaskininlärning↔ compare
- Isolation ForestMaskininlärning↔ compare
- One-class SVMMaskininlärning↔ compare
- Online LearningMaskininlärning↔ compare
- Online Random ForestMaskininlärning↔ compare
- Semi-supervised Isolation ForestMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →