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？根据谷歌的说法，它是一个“基于树的模型”，但是否也可以说隔离森林是基于距离的模型？

Answer 1

虽然 Anomaly detection's wikipedia page 声明它是一个 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。它由树结构表示，并且假定它使用 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，您还可以在 source paper 中阅读：

<块引用>

除了隔离与分析的主要区别外，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：

<块引用>

1. iTrees 的隔离特性使它们能够 构建部分模型并利用子采样到 在现有方法中不可行的程度。自从 隔离正常点的 iTree 的很大一部分是 异常检测不需要；它不需要 被建造。小样本量产生更好的结果 iTrees 因为沼泽和遮蔽效果是 减少。

<块引用>

2. iForest 不使用距离或密度度量来检测异常。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。

<块引用>

3. iForest 具有线性时间复杂度 常数和低内存要求。致我们 最好的知识，最好的现有方法 仅实现近似线性时间复杂度 内存使用率高。

<块引用>

4. iForest 有能力扩展以处理极端 大数据量和高维问题 大量不相关的属性。