Пояснюваний ліс ізоляцій
Explainable Isolation Forest поєднує алгоритм виявлення аномалій Isolation Forest із пост-хок інструментами пояснюваності — найчастіше SHAP (SHapley Additive exPlanations) — щоб не тільки позначати аномальні спостереження, але й розкривати, які ознаки зумовили кожну оцінку аномалії. Він поєднує некероване виявлення аномалій з вимогами до інтерпретованості в регульованих доменах та доменах з високими ставками.
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
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. 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 2008), pp. 413–422. IEEE. DOI: 10.1109/ICDM.2008.17 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Explainable Isolation Forest (Isolation Forest with SHAP-based Interpretability). ScholarGate. https://scholargate.app/uk/machine-learning/explainable-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.
- Автокодувальник для виявлення аномалійМашинне навчання↔ compare
- Пояснюваний градієнтний бустингМашинне навчання↔ compare
- Пояснюваний випадковий лісМашинне навчання↔ compare
- Ізоляційний лісМашинне навчання↔ compare
- One-class SVMМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →