Ensemble Isolation Forest
Ensemble Isolation Forest ทำการฝึกโมเดล Isolation Forest หลายโมเดล โดยแต่ละโมเดลจะใช้ seed แบบสุ่ม, อัตราการสุ่มตัวอย่างย่อย, หรือพารามิเตอร์การปนเปื้อนที่แตกต่างกัน และรวมคะแนนความผิดปกติ (anomaly scores) เข้าด้วยกันเพื่อจัดอันดับความผิดปกติที่เสถียรและทนทานยิ่งขึ้น ด้วยการหาค่าเฉลี่ยหรือการรวมคะแนนจาก Isolation Forest ที่เป็นอิสระหลายๆ ตัว วิธีนี้จะช่วยลดความแปรปรวนที่เกิดขึ้นในโมเดลเดี่ยวๆ และให้ผลการตรวจจับค่าผิดปกติที่น่าเชื่อถือยิ่งขึ้นบนข้อมูลที่ซับซ้อนหรือมีมิติสูง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation Forest. In Proceedings of the 8th IEEE International Conference on Data Mining (ICDM 2008), pp. 413–422. IEEE. DOI: 10.1109/ICDM.2008.17 ↗
- Isolation Forest. Wikipedia. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Ensemble Isolation Forest (Meta-Ensemble Anomaly Detection). ScholarGate. https://scholargate.app/th/machine-learning/ensemble-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.
- การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์การเรียนรู้ของเครื่อง↔ compare
- Isolation Forestการเรียนรู้ของเครื่อง↔ compare
- One-class SVMการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- การรวมแบบลงคะแนนการเรียนรู้ของเครื่อง↔ compare