Mi az az Isolation Forest és miért gyors?

Az Isolation Forest egy anomália detektáló algoritmus, amely az objektumok izolálásának ötletén alapul. Több véletlenszerű fát (izolációs fákat) épít, ahol minden csomópont a véletlenszerű jellemző és küszöb alapján osztja fel az adatokat. Az anomális objektumokat könnyebben lehet izolálni, ezért kisebb mélységben találhatók a fában.

Miért gyors:

• Véletlenszerű felosztásokat használ, ami csökkenti a számítási komplexitást.
• Nem igényel sűrűség vagy távolság számítást pontok között, mint a klasszikus módszerek.
• Skálázható nagy adathalmazokra az egyszerű faépítés miatt.

Python példakód a scikit-learn könyvtár használatával:

from sklearn.ensemble import IsolationForest

X = [[-1.1], [0.3], [0.5], [100]]  # Példa adatok
clf = IsolationForest(random_state=42)
clf.fit(X)
pred = clf.predict([[0], [100]])  # 1 — normál, -1 — anomália
print(pred)