เปรียบเทียบวิธี

	ป่ารกแบบกำกับตนเอง (Self-supervised Isolation Forest)	Isolation Forest
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2008–2020s	2008
ผู้ริเริ่ม	Liu, F. T., Ting, K. M., & Zhou, Z.-H. (iForest); SSL extensions by multiple authors	Liu, F.T., Ting, K.M. & Zhou, Z.-H.
ประเภท	Ensemble anomaly detector with self-supervised pre-training	Unsupervised ensemble (random partitioning trees)
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.	Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422.
ชื่อเรียกอื่น	SSL Isolation Forest, self-supervised iForest, semi-supervised isolation forest, contrastive isolation forest	Isolation Forest (Aykırı Değer Tespiti), iForest, isolation forest anomaly detection
ที่เกี่ยวข้อง	4	5
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.	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.