无监督异常检测算法：孤立森林（Isolation Forest）

孤立森林算法详解

1. 算法概述

孤立森林（Isolation Forest） 是一种高效的无监督异常检测算法，特别适用于处理高维和大规模数据集。其核心思想是：异常点（Outliers）与正常点相比，更容易被“孤立”（Isolate）。通过构建多棵随机树（Isolation Tree），算法利用异常点在树中路径较短的特点，快速识别出异常。

2. 算法原理与步骤

2.1 核心思想

• 异常点的特性：异常点在特征空间中通常稀疏且远离正常点，因此只需较少的分割次数即可被隔离。
• 路径长度：从根节点到叶子节点的边数。异常点的路径长度较短，正常点较长。

2.2 算法流程

1. 构建孤立树（iTree）：

   • 随机选择特征：每棵树随机选择一个特征。
   • 随机选择分割点：在该特征的取值范围内随机选择一个值，将数据分为左右子树。
   • 递归分割：重复上述过程，直到：
     • 数据点被完全孤立（每个点单独