Active Learning Isolation Forest
Active Learning Isolation Forest поєднує можливості некерованого виявлення аномалій Isolation Forest з ітеративною стратегією запитів, яка пропонує експерту-людині позначити найбільш інформативні екземпляри. Результатом є детектор, що уточнює свої межі аномалій, використовуючи мінімальний бюджет на розмітку, що значно покращує точність виявлення рідкісних і тонких аномалій порівняно з чисто некерованим базовим методом.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Das, S., Wong, W. K., Fern, A., Dietterich, T. G., & Amran Siddiqui, M. (2019). Incorporating Expert Feedback into Active Anomaly Discovery. In Proceedings of the 2019 IEEE International Conference on Data Mining (ICDM), pp. 1009–1014. link ↗
- 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. DOI: 10.1109/ICDM.2008.17 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Active Learning with Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/uk/machine-learning/active-learning-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.
- Активне навчанняМашинне навчання↔ compare
- Автокодувальник для виявлення аномалійМашинне навчання↔ compare
- Ізоляційний лісМашинне навчання↔ compare
- One-class SVMМашинне навчання↔ compare
- Напівкерований Isolation ForestМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →