ป่ารกแบบกำกับตนเอง (Self-supervised Isolation Forest)

Self-supervised Isolation Forest เป็นการเพิ่มประสิทธิภาพของ Isolation Forest แบบดั้งเดิม ซึ่งเป็นเครื่องตรวจจับความผิดปกติ (anomaly detector) โดยการเพิ่มขั้นตอนการฝึกเบื้องต้นแบบกำกับดูแลตนเอง (self-supervised pre-training stage) งานเบื้องต้น (pretext task) เช่น การทำนายการหมุน (rotation prediction) การเติมข้อมูลที่ถูกปิดบัง (masked features) หรือการจับคู่แบบเปรียบต่าง (contrastive pairs) จะถูกแก้ไขโดยไม่มีป้ายกำกับ (labels) เพื่อเรียนรู้การแทนลักษณะ (feature representation) ที่สมบูรณ์ยิ่งขึ้น ซึ่งจะถูกนำไปใช้ในการสร้างต้นไม้การแยก (isolation trees) ส่งผลให้คะแนนความผิดปกติ (anomaly scores) คมชัดขึ้นบนข้อมูลตาราง (tabular data) ที่ซับซ้อนและมีมิติสูง