Глоссарий ИИ
Полный словарь искусственного интеллекта
Дерево изоляции
Структура иерархического бинарного дерева, используемая в изолирующем лесе для случайного разбиения пространства данных до полной изоляции каждого наблюдения.
Глубина разбиения
Количество разделений, необходимых для изоляции конкретного наблюдения от корня до листа в дереве изоляции.
Path Length
Длина пути, проходимого наблюдением через дерево изоляции, измеряемая как количество ребер, пересеченных от корня до листа.
Подвыборка
Техника случайного выборки, используемая в изолирующем лесу для выбора подмножества данных при построении каждого дерева, уменьшающая смещение и повышающая эффективность.
Уровень загрязнения
Параметр изолирующего леса, определяющий ожидаемую долю аномалий в наборе данных, используемый для определения порога классификации.
Классификация одного класса
Задача обучения с учителем, где цель состоит в обнаружении наблюдений, не принадлежащих к основному классу, обычно используется для обнаружения аномалий.
Случайное разбиение
Стратегия разделения узлов в изолирующем лесу, где признак и значение разделения выбираются случайным образом, в отличие от оптимизированных критериев классических деревьев решений.
Эффективность изоляции
Способность алгоритма быстро изолировать аномалии с короткими путями по сравнению с нормальными наблюдениями, которые требуют более глубоких разбиений.
Средняя длина пути
Средняя длина пути наблюдения через все деревья леса, нормализованная для обеспечения сравнимой меры между различными наборами данных.
Построение леса
Процесс создания коллекции деревьев изоляции путем обучения каждого дерева на различных случайных подмножествах обучающих данных.
Оценка изоляции
Нормализованное значение от 0 до 1, вычисленное на основе средней глубины изоляции, где более высокие значения указывают на большую вероятность быть аномалией.
Разбиение пространства признаков
Рекурсивное разделение многомерного пространства признаков на гиперпрямоугольные области для индивидуальной изоляции каждого наблюдения.
Обнаружение аномалий на основе деревьев
Подход к обнаружению аномалий, использующий древовидные структуры для моделирования распределения данных и выявления отклоняющихся наблюдений.
Изоляция листового узла
Конечное условие в дереве изоляции, где наблюдение находится в одиночестве в листовом узле, отмечая конец процесса изоляции.
Обнаружение аномалий без учителя
Парадигма обучения, в которой алгоритм выявляет аномалии без необходимости меток, основываясь исключительно на внутренней структуре данных.
Метод ансамбля
Техника машинного обучения, объединяющая несколько моделей (деревьев) для повышения устойчивости и обобщения предсказаний обнаружения аномалий.
Порог аномалии
Пороговое значение оценки аномалии, разделяющее нормальные наблюдения от аномалий, обычно определяется в соответствии с указанным уровнем загрязнения.