點擊上方藍色字體，關注AI小白入門喲
跟着博主的腳步，每天進步一點點
本文介紹了一種基於樹集成的異常檢測方法，其核心思想是“異常點是容易被孤立的離羣點”。首先介紹了孤立森林算法的設計思路。然後介紹了孤立森林算法的特點和適用場景。最後給出了sklearn中孤立森林算法的幾個重要參數。
作者 | 文傑
編輯 | yuquanle
孤立森林
孤立森林（Isolation Foreset）是基於樹（iTree）集成的快速異常檢測方法，其異常檢測的核心思想是“異常點是容易被孤立的離羣點”。
因此，孤立森林採用隨機特徵隨機閾值劃分生成多個樹，直到樹到達一定的高度或者直到每個葉子節點中只有一個點。
那麼，那些離羣點很容易被提前（即所在葉子節點的深度較淺）被劃分出來。由於每個樹都是由隨機採樣獨立生成的，所以樹之間具有一定的獨立性，多個樹的集成就是最終的孤立森林。
可以看出，按照離羣點大概率爲異常點的話，那麼d最有可能爲異常點。
孤立森林算法流程
1）從訓練集中隨機選擇（有放回和無放回）個樣本點構成子集，在個子集上構建樹；
2）隨機選擇一個特徵，隨機選擇一個閾值（最大值與最小值之間）進行二分裂；
3）遞歸2）建樹，直到樹到達一定的高度或者每個葉子節點中只有一個點；
4）個樹建好，根據個決策樹的平均深度來定義其異常的概率：
a）統計每棵樹的BST路徑長度定義:
b）定義異常的概率爲：
是在給定下的平均值, 其中的可以通過公式 來估計，是歐拉常數，其值爲0.5772156649，爲從根節點到葉子節點的路徑長度。
5）計算異常概率：
a）當，
b）當，
c）當，
從上面建樹的過程，可以看出孤立森林是針對連續值屬性的，二分裂二叉樹，當然離散值屬性我想也是可以的。
孤立森林的特點
每棵樹隨機採樣獨立生成，所以孤立森林具有很好的處理大數據的能力和速度；
通常樹的數量越多，算法越穩定，樹的深度不易過深；
孤立森林不適於特別高維的數據。因爲子樹的構建每次只選一個特徵，容易受噪聲影響。
sklearn中孤立森林的參數設置：
n_estimators ：iTree的個數
max_samples ：構建子樹的樣本數，整數爲個數，小數爲佔全集的比例
contamination ：異常的閾值
max_features ：構建每個子樹的特徵數，整數位個數，小數爲佔全特徵的比例
bootstrap ：採樣是有放回還是無放回
n_jobs ：並行數
random_state ：每次訓練的隨機性
verbose ：建樹的過程描述輸出
The End
方便交流學習，備註：暱稱-學校or公司-方向，進入DL&NLP交流羣。
記得備註呦
【推薦閱讀】
長按二維碼關注
AI小白入門
ID:StudyForAI
學習AI學習ai(愛)
期待與您的相遇~
你點的每個在看，我都認真當成了喜歡