大数据离群点检测中隔离树方法的数学评估
统计方法学
2022-05-05 v6 离散数学
组合数学
概率论
摘要
本文给出用于异常检测的隔离随机森林方法（IRF方法）的数学分析。我们证明IRF空间可赋予由隔离树算法（iTree）诱导的概率。在此框架下，利用大数定律证明了IRF方法的收敛性。给出若干反例表明，当将原始方法用作异常检测手段时其结论不确定且无法给出质量证书。据此，提出一种替代版IRF，其数学基础及局限均得到充分论证。最后，通过数值实验比较经典IRF与所提方法的性能。
引用
@article{arxiv.2004.04512,
title = {A Mathematical Assessment of the Isolation Tree Method for Outliers Detection in Big Data},
author = {Fernando A. Morales and Jorge M. Ramírez and Edgar A. Ramos},
journal= {arXiv preprint arXiv:2004.04512},
year = {2022}
}
备注
21 pages, 14 figures, 4 tables