孤立森林(Isolation Forest)

背景 现有的异常检测方法主要是通过对正常样本的描述，给出一个正常样本在特征空间中的区域，对于不在这个区域中的样本，视为异常。这些方法的主要缺点是，异常检测器只会对正常样本的描述做优化，而不会对异常样本的描述做优化，这样就有可能造成大量的误报，或者只检测到少量的异常。 异常的两个特点：异常数据只占很少量、异常数据特征值和正常数据差别很大。 孤立森林，不再是描述正常的样本点，而是要孤立异常点，由周志华

>>阅读原文<<