Isolatie Bos

Isolation Forest maakt gebruik van willekeurige partities in plaats van een normale verdeling te modelleren of een grens rond elke inlier te schatten. Een boom kiest willekeurig een kenmerk en een gesplitste waarde, waarbij de gegevens recursief worden gepartitioneerd. Punten die ongebruikelijk zijn ten opzichte van de bemonsterde populatie vallen vaak snel in kleine partities en hebben daarom kortere padlengtes vanaf de wortel. Het algoritme berekent de gemiddelde padlengte over veel bomen en zet deze om in afwijkingenscores. Kortere paden komen overeen met sterker anomaliebewijs in de scoreconventie van de methode. De intuïtie is dat het isoleren van een zeldzaam, onderscheidend punt minder willekeurige sneden vereist dan het isoleren van een punt omringd door veel vergelijkbare waarnemingen. In een hypothetische dataset van transacties kan een ongebruikelijke combinatie van bedrag en timing vroegtijdig worden onderscheiden. Zeldzaamheid is echter niet synoniem met fraude, fouten of schade. Een geldig zeldzaam klantensegment kan ook snel worden geïsoleerd, terwijl een contextuele anomalie er wereldwijd normaal uit kan zien. Contaminatie wordt vaak gebruikt om een ​​verwachte fractie van uitschieters in te stellen voor drempelvoorspellingen. Het beïnvloedt hoe scores worden omgezet in labels, niet een schatting dat de gespecificeerde fractie objectief afwijkend is. Als u hiervoor kiest zonder rekening te houden met de beoordelingscapaciteit en de foutkosten, kunnen onderzoekers overstromen of belangrijke zaken mislopen. Voor een niet-gelabelde instelling kunnen teams scoreverdelingen bekijken en domeingeïnformeerde drempels gebruiken. Als er labels bestaan, evalueer dan de afwegingen tussen precisie en terugroeping op basis van representatieve voorbeelden. Isolation Forest kan efficiënt zijn bij grote datasets en kan meerdere functies verwerken, maar de prestaties zijn afhankelijk van subsampling, het aantal bomen, de representatie van functies en willekeurige zaden. Numerieke schaal doet er vaak minder toe dan bij op afstand gebaseerde methoden, maar toch beïnvloeden transformaties en categorische codering nog steeds willekeurige splitsingen. Controleer of groepen met duidelijk normaal gedrag ten onrechte als ongebruikelijk worden gemarkeerd. Gebruik uitleg en menselijke beoordeling voor vervolgbeslissingen; een score rangschikt isolatiegedrag onder het aangepaste geheel en is geen causale of gekalibreerde risicowaarschijnlijkheid.