Isolation Forest Học Tập Chủ Động
Isolation Forest Học Tập Chủ Động kết hợp sức mạnh chấm điểm bất thường không giám sát của Isolation Forest với một chiến lược truy vấn lặp đi lặp lại, yêu cầu chuyên gia con người gắn nhãn các mẫu thông tin nhất. Kết quả là một bộ dò tìm tinh chỉnh ranh giới bất thường của nó bằng cách sử dụng ngân sách gắn nhãn tối thiểu, cải thiện đáng kể độ chính xác trên các bất thường hiếm và tinh tế so với một phương pháp cơ sở hoàn toàn không giám sát.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Active Learning with Isolation Forest for Anomaly Detection. ScholarGate. https://scholargate.app/vi/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.
- Học chủ độngHọc máy↔ compare
- Phát hiện bất thường bằng AutoencoderHọc máy↔ compare
- Isolation ForestHọc máy↔ compare
- One-Class SVMHọc máy↔ compare
- Isolation Forest Bán Giám SátHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →