Machine learning
孤立森林 (Isolation Forest)
Isolation Forest 是一种用于异常值和离群点检测的无监督机器学习方法，由 Liu、Ting 和 Zhou 于 2008 年提出，它通过对数据进行随机划分来分离异常值。该方法无需任何标记的异常数据，并且可以扩展到高维数据集。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+24 more
来源
- Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422. DOI: 10.1109/ICDM.2008.17 ↗
如何引用本页
ScholarGate. (2026, June 1). Isolation Forest (Anomaly Detection via Random Partitioning). ScholarGate. https://scholargate.app/zh/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.
Compare side by side →被引用于
主动学习孤立森林主动学习单类支持向量机自动编码器异常检测贝叶斯自编码器异常检测贝叶斯单类支持向量机集成自编码器异常检测集成孤立森林集成单类支持向量机 (Ensemble One-Class SVM)可解释自编码器异常检测可解释隔离森林可解释单类支持向量机LightGBM局部异常因子 (LOF)单类支持向量机在线自编码器异常检测在线孤立森林 (Online Isolation Forest)在线单类支持向量机分布外检测鲁棒自编码器异常检测鲁棒高斯混合模型鲁棒隔离森林鲁棒单类支持向量机 (Robust One-Class SVM)鲁棒随机森林自监督自编码器异常检测自监督隔离森林自监督单类支持向量机 (Self-supervised One-class SVM)半监督自编码器异常检测半监督隔离森林半监督单类支持向量机