Was ist Isolation Forest und warum ist es schnell?

Isolation Forest ist ein Algorithmus zur Anomalieerkennung, der auf der Idee basiert, Objekte zu isolieren. Er baut mehrere zufällige Bäume (Isolation Trees), bei denen jeder Knoten die Daten anhand eines zufälligen Merkmals und eines zufälligen Schwellenwerts trennt. Anomale Objekte sind leichter zu isolieren, daher befinden sie sich in geringerer Tiefe in den Bäumen.

Warum er schnell ist:

• Verwendet zufällige Partitionen, was die rechnerische Komplexität reduziert.
• Erfordert keine Berechnung von Dichten oder Abständen zwischen Punkten, wie bei klassischen Methoden.
• Skalierbar auf große Datensätze dank der Einfachheit des Baumaufbaus.

Beispiel für die Verwendung in Python mit der scikit-learn-Bibliothek:

from sklearn.ensemble import IsolationForest

X = [[-1.1], [0.3], [0.5], [100]]  # Beispielsdaten
clf = IsolationForest(random_state=42)
clf.fit(X)
pred = clf.predict([[0], [100]])  # 1 — normal, -1 — Anomalie
print(pred)