Zgadzam się
Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.
Capturing anomalies in data is one of the mostimportant problems in modern data analysis. In recent years,scientists have developed many interesting approaches. One ofthe leading is the Isolation Forest method, which is based onsearching a forest of binary trees. This method is extremelyeffective, especially in the case of relatively small databases.Despite of that, a lot of work has been done for years toimprove it. For instance, variants based on rotation or fuzzyvsets were developed. In this paper, we propose a very effectivemethod of building search trees based on grouping data using the K-Medoids method. The results of the conducted experimentssuggest a significant improvement in the quality of the methodin relation to the original Isolation Forest.
