เปรียบเทียบวิธี

	Online One-Class SVM	Isolation Forest
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2006 (incremental/online variant); 1999 (base method)	2008
ผู้ริเริ่ม	Laskov, P. et al. (incremental extension); Scholkopf, B. et al. (original OC-SVM)	Liu, F.T., Ting, K.M. & Zhou, Z.-H.
ประเภท	Online anomaly detection / novelty detection	Unsupervised ensemble (random partitioning trees)
แหล่งต้นตำรับ	Laskov, P., Gehl, C., Krueger, S., & Muller, K.-R. (2006). Incremental support vector learning: Analysis, implementation and applications. Journal of Machine Learning Research, 7, 1909–1936.	Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422.
ชื่อเรียกอื่น	Online OC-SVM, Incremental One-Class SVM, Online SVDD, Sequential One-Class SVM	Isolation Forest (Aykırı Değer Tespiti), iForest, isolation forest anomaly detection
ที่เกี่ยวข้อง	4	5
สรุป	Online One-Class SVM is an incremental extension of the classical One-Class Support Vector Machine that updates its decision boundary as new data arrive one sample at a time, making it suitable for streaming environments and real-time anomaly or novelty detection without retraining from scratch.	Isolation Forest is an unsupervised machine-learning method for anomaly and outlier detection, introduced by Liu, Ting and Zhou in 2008, that isolates anomalies through random partitioning of the data. It works without any labelled anomaly data and scales to high-dimensional datasets.