孤立森林 实现_孤立森林算法介绍，这次终于看懂了

孤立森林算法应用于网络安全中的攻击检测，金融交易欺诈检测，疾病侦测，和噪声数据过滤等。

1. 孤立森林简介

iForest(IsolationForest)孤立森林是一个基于Ensemble 的快速异常检测方法，具有线性时间复杂度和高精准度，是符合大数据处理要求的state-of-the-art算法。

iForest 适用于连续数据的异常检测，将异常定义为“容易被孤立的离群点”，可以理解为分布稀疏且离密度高的群体较远的点。用统计学来解释，在数据空间里面，分布稀疏的区域表示数据发生在此区域的概率很低，因而可以认为落在这些区域里的数据是异常的。

iForest 即不用定义数学模型也不需要有标记的训练。对于如何查找哪些点是否容易被孤立，iForest 使用了一套非常高效的策略。

假设我们用一个随机超平面来切割数据空间, 切一次可以生成两个子空间。之后我们再继续用一个随机超平面来切割每个子空间，循环下去，直到每子空间里面只有一个数据点为止。直观上来讲，我们可以发现那些密度很高的簇是可以被切很多次才会停止切割，但是那些密度很低的点很容易很早的就停到一个子空间了。

怎么来切这个数据空间是iForest的设计核心思想，这里仅介绍最基本的方法。由于切割是随机的，所以需要用ensemble的方法来得到一个收敛值(蒙特卡洛方法)，即反复从头开始切，然后平均每次切的结果。iForest