¿Qué es Isolation Forest y por qué es rápido?

Isolation Forest es un algoritmo para detectar anomalías basado en la idea de aislar objetos. Construye múltiples árboles aleatorios (árboles de aislamiento), donde cada nodo divide los datos por una característica aleatoria y un umbral aleatorio. Los objetos anómalos son más fáciles de aislar, por lo que se encuentran en menor profundidad en los árboles.

Por qué es rápido:

• Utiliza particiones aleatorias, lo que reduce la complejidad computacional.
• No requiere calcular densidades o distancias entre puntos, como en los métodos clásicos.
• Se escala a grandes conjuntos de datos gracias a la simplicidad en la construcción de árboles.

Ejemplo de uso en Python con la biblioteca scikit-learn:

from sklearn.ensemble import IsolationForest

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