В науке о данных и машинном обучении #IsolationForest — это алгоритм обнаружения аномалий. Он обнаруживает аномалии с помощью изоляции, а не моделирования нормальных точек.
В изолированном лесу случайно подобранные данные обрабатываются в древовидной структуре на основе случайно выбранных признаков. Образцы, которые перемещаются глубже в дерево, с меньшей вероятностью будут аномалиями, поскольку они требуют больше разрезов для их изоляции.
Изоляция леса вводит другой метод, который явно изолирует аномалии с помощью двоичных деревьев, демонстрируя новую возможность более быстрого детектора аномалий, непосредственно нацеленного на аномалии без профилирования всех нормальных экземпляров.
Алгоритм имеет линейную временную сложность с низкой константой и требованиями к памяти, что хорошо работает с большими объемами данных.
