Isolation Forest
Isolation Forest là một phương pháp học máy không giám sát để phát hiện bất thường và ngoại lệ, được giới thiệu bởi Liu, Ting và Zhou vào năm 2008, phương pháp này cô lập các điểm bất thường thông qua việc phân vùng dữ liệu ngẫu nhiên. Nó hoạt động mà không cần bất kỳ dữ liệu bất thường được gán nhãn nào và có khả năng mở rộng cho các tập dữ liệu có số chiều cao.
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.
+24 more
Nguồn tài liệu
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/vi/machine-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.
- Cây Quyết địnhHọc máy↔ compare
- Mô hình Hỗn hợp GaussianHọc máy↔ compare
- Phân tích thành phần chínhHọc máy↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- t-SNEHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →