隔离森林算法sklearn实现

算法简介

Isolation Forest算法将分布稀疏，且距离高密度群体较远的点定义为异常点。从统计学角度来看，在数据空间里，若数据点在一个区域内的分布都很稀疏，表示此区域内数据点存在的可能性很小，因此可以认为落在此区域内的数据点都是异常点。由于监控时序数据是连续型结构化数据，异常发生的概率很低，且异常点的特征值与正常点的特征值差异很大，所以适合用Isolation Forest 算法进行异常检测。隔离森林属于无监督异常检测算法。

算法流程​

隔离森林是由多棵树组成的，其基本思想是

1. 随机选取一个特征，并从样本中随机选取一个值，建立树，对于随机选取的一个值P，当前节点的左分支存放小于p所选维度的数据点，当前节点的右分支存放大于或等于p所选维度的数据点；
2. 递归的不断构造树，直到所有样本都在树中，或者树的高度达到了指定值。对于那些异常的点可以认为其很早的就会被分到叶子节点，故计算每个节点到根节点的距离，计算路径长度。
3. 建立多棵隔离树，计算每个特征值的平均路径长度。根据孤立森林的异常分数计算公式，计算每个样本数据其中n为样本数，二叉搜索树的平均路径长度。计算公式如下

sklearn isolation forest实现

1. 导入sklearn的包

​from sklearn.ensemble import IsolationForest​