Czym jest Isolation Forest i dlaczego jest szybki?

Isolation Forest to algorytm wykrywania anomalii oparty na idei izolowania obiektów. Buduje wiele losowych drzew (drzew izolacji), gdzie każdy węzeł dzieli dane na podstawie losowej cechy i losowego progu. Obiekty anormalne są łatwiejsze do izolacji, dlatego znajdują się na mniejszej głębokości w drzewach.

Dlaczego jest szybki:

• Używa losowych podziałów, co zmniejsza złożoność obliczeniową.
• Nie wymaga obliczania gęstości ani odległości między punktami, jak w metodach klasycznych.
• Skalowalny na duże zestawy danych dzięki prostocie budowy drzew.

Przykład użycia w Pythonie z biblioteką scikit-learn:

from sklearn.ensemble import IsolationForest

X = [[-1.1], [0.3], [0.5], [100]]  # Przykładowe dane
clf = IsolationForest(random_state=42)
clf.fit(X)
pred = clf.predict([[0], [100]])  # 1 — normalny, -1 — anomalia
print(pred)