Semi-supervised Isolation Forest
Semi-supervised Isolation Forest utökar den klassiska anomalidetektorn Isolation Forest genom att inkludera en liten mängd märkta anomaliexempel (och eventuellt normala exempel) tillsammans med en stor omärkt datamängd. Denna märkningsvägledning justerar modellens anomalipoäng så att kända anomalier separeras mer tillförlitligt, vilket överbryggar klyftan mellan helt oövervakad och helt övervakad detektion.
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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/sv/machine-learning/semi-supervised-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
- Lokal avviksfaktor (LOF)Maskininlärning↔ compare
- One-class SVMMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →