Isolation forest的python代码实现

近期一直在看Isolation forest，random forest，k-d tree，有关Isolation forest的资料很少，Isolation forest在异常检测方面效果不错

Isolation forest算法思想如下：

建立多个tree（理论上最好的效果tree的个数为100），其对应的训练集大小一样（训练集最佳大小为256），训练集中的数据随机，建树的过程中节点分为外部节点和内部节点，对于每个外部节点由于树高或者特征对应的那一列值相等的限制，让数据划分终止于外部节点，外部节点里面存储划分到该节点下的数据集的尺寸。对于特征的选择是随机的，那如何检测异常数据？对于每个实例，计算它被划分在哪个外部节点下并且求出该节点所处于的树高，E(h(x))表示实例x在多个树中的树高h(x)的平均值，s(x, n) = 2**−E(h(x))/c(n)

c(n) = 2H(n − 1) − (2(n − 1)/n)

where H(i) is the harmonic number and it can be estimated by ln(i) + 0.5772156649 (Euler’s constant). As c(n) is the average of h(x) given n, we use it to normalise h(x).

• when E(h(x)) ->c(n), s -> 0.5;
• when E(h(x)) -> 0, s -> 1;
• and when E(h(x)) -> n − 1, s -> 0.
s is monotonic to h(x). Figure 2 illustrates the relationship between E(h(x)) and s, and the following conditions applied where 0 < s 1 for 0 < h(x) n − 1. Using the anomaly score s, we are able to make the following assessment:
• (a) if instances return s very close to 1, then they are
definitely anom