方法证据记录
Isolation Forest
Isolation Forest is an unsupervised machine-learning method for anomaly and outlier detection, introduced by Liu, Ting and Zhou in 2008, that isolates anomalies through random partitioning of the data. It works without any labelled anomaly data and scales to high-dimensional datasets.
源记录
引文逐字复制自方法源记录。这些引文不代表任何层级的验证。
Isolation Forest (Anomaly Detection via Random Partitioning)
分类方法记录 · ml-model / machine-learning
打开完整方法 精选声明
声明已持久化到证据分类账中，每个声明都有自己的评估。
尚无精选声明
当分类账中没有声明时，此视图不会自行创建声明评估。
相关方法
从方法图中生成，显示为机器建议的关系 — 不推断任何证据声明。