เปรียบเทียบวิธี

	ป่ารกแบบกำกับตนเอง (Self-supervised Isolation Forest)	ออโตเอ็นโค้ดเดอร์
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2008–2020s	2006
ผู้ริเริ่ม	Liu, F. T., Ting, K. M., & Zhou, Z.-H. (iForest); SSL extensions by multiple authors	Hinton, G.E. & Salakhutdinov, R.R.
ประเภท	Ensemble anomaly detector with self-supervised pre-training	Neural network (encoder-decoder)
แหล่งต้นตำรับ	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.	Hinton, G.E. & Salakhutdinov, R.R. (2006). Reducing the Dimensionality of Data with Neural Networks. Science, 313(5786), 504–507.
ชื่อเรียกอื่น	SSL Isolation Forest, self-supervised iForest, semi-supervised isolation forest, contrastive isolation forest	Otokodlayıcı (Autoencoder), otokodlayıcı, auto-encoder, encoder-decoder network
ที่เกี่ยวข้อง	4	4
สรุป	Self-supervised Isolation Forest augments the classic Isolation Forest anomaly detector with a self-supervised pre-training stage. A pretext task — such as predicting rotation, masked features, or contrastive pairs — is solved without labels to learn a richer feature representation, which is then used when building the isolation trees, yielding sharper anomaly scores on complex, high-dimensional tabular data.	An autoencoder is an encoder-decoder neural network, popularised by Hinton and Salakhutdinov in 2006, that compresses data into a low-dimensional latent code and then reconstructs it, enabling dimensionality reduction and anomaly detection. By learning to rebuild its own input through a narrow bottleneck, it discovers a compact representation of the data.