孤立森林（Isolation Forest）

最近正好在做孤立森林的项目，写下这篇推文记录下项目进程，也给需要做这个项目的同学一点参考。

  

1. 什么叫异常点

  图中红色的点偏离大部分的数据，可以发现这些点分布稀疏且离密度高的群体较远，这样的点称为异常点。在统计里面，分布稀疏的区域表示数据发生在此区域的概率很低，因而认为落在该区域中的点是异常点。异常点不一定是有问题的点，但是在各行各业中异常点都是重点关注的对象。

   像支付风控中的异常点就有可能存在潜在的风险，比如卡片异常金额交易有可能发生了盗刷，商户异常时间交易有可能在干非法勾当等。那么我们如何发现这些异常点，常见的有基于统计与数据分布（均值、方差）、箱线图、距离、密度等等，本文所讲的孤立森林是一种无监督的异常值检测算法。

  

2. 孤立森林算法原理

  孤立森林算法类似随机森林。但是不根据信息增益或基尼指数来选择划分属性和节点，属性和节点的选择都是随机的。在建树的过程中ÿ