索引 / 标签
#无监督学习
共 3 篇
- Ch04 机器学习
Isolation Forest (孤立森林/隔离森林)
Isolation Forest (iForest, 孤立森林/隔离森林) 是一种基于集成学习的无监督异常检测算法，由 Liu, Ting, 和 Zhou 于 2008 年提出。其核心思想极其简洁：异常点 (Anomaly) 是"少而不同"的，因此更容易被随机分割隔离。
约 4 分钟1,288 字 - Ch04 机器学习
异常检测 (Anomaly Detection)
异常检测（Anomaly Detection / Outlier Detection）是机器学习中的一项核心技术，目标是识别数据中不符合预期模式、行为异常的样本。这些异常样本可能代表欺诈交易、系统故障、网络攻击、医疗异常或罕见事件。异常检测广泛应用于金融风控、工业运维、网络安全、
约 4 分钟1,123 字 - Ch04 机器学习
无监督学习 (Unsupervised Learning)
无监督学习（Unsupervised Learning）是机器学习的三大范式之一（另两个为监督学习和强化学习）。与监督学习不同，无监督学习处理的是没有标签的数据，目标是从数据本身发现隐藏的结构、模式或规律。无监督学习更接近人类的学习方式——我们大部分知识是通过观察和归纳获得的，而
约 4 分钟1,200 字