隔离森林是基于距离的模型吗？

Question

我知道五种标准的无监督异常值检测方法：

• 概率模型
• 基于聚类的模型
• 基于距离的模型
• 基于密度的模型
• 时间序列异常值检测模型

但是隔离森林是什么类型的呢？根据谷歌它是一个“基于树的模型”，但是否也可以说隔离森林是一个基于距离的模型？

Answer 1

虽然 Anomaly detection's wikipedia page 声明它是 Density-based technique，但您应该参考 the original paper 和 Scikit-learn 文档。

Isolation forest 对于异常检测确实很有用，对于大型数据集尤其有效。它由树形结构表示，并假设它使用recursive partitioning,
the number of splittings required to isolate a sample is equivalent to the path length from the root node to the terminating node.

除了Scikit-learn docs中提供的所有详细信息，您还可以阅读source paper：

除了隔离与剖析的关键区别外，iForest 在以下方面与现有的基于模型、基于距离和基于密度的方法不同：

1. iTree 的隔离特性使它们能够 构建部分模型并利用子采样 在现有方法中不可行的程度。自从 隔离法线点的 iTree 的很大一部分是 不需要异常检测；它不需要 被建造。小样本量产生更好的效果 iTrees，因为淹没和掩蔽效果是 减少。

1. iForest 不使用距离或密度测量来检测异常。这消除了主要的计算 所有基于距离的方法和基于密度的方法中的距离计算成本。

1. iForest 具有线性时间复杂度和低 恒定和低内存要求。对我们的 最好的知识，最好的现有方法 仅实现近似线性时间复杂度 高内存使用率。

4. iForest 具有扩展能力以处理极其 大数据量和高维问题 大量不相关的属性。