基于分布与体积的孤立森林打分方法
机器学习
2023-09-21 v1 机器学习
摘要
我们对用于异常与离群点检测的孤立森林（Isolation Forest）方法作出两点贡献。第一点贡献是对用于跨随机树估计器聚合分数的得分函数作出信息论动机下的推广。该推广使得人们不仅能考虑跨树的集成平均，而是能考虑整个分布。第二点贡献是在单个树估计器层面的一种替代打分函数，其中我们将孤立森林基于深度的打分替换为基于与隔离树叶节点相关的超体积的打分。我们在生成数据上论证了这两种方法的用途，并在近期详尽“ADBench”基准的34个数据集上对其评估，发现相对于标准孤立森林，两种变体在某些数据集上有显著改进，且其中一种变体在所有数据集平均上有改进。用于复现我们结果的代码作为投稿的一部分公开。
引用
@article{arxiv.2309.11450,
title = {Distribution and volume based scoring for Isolation Forests},
author = {Hichem Dhouib and Alissa Wilms and Paul Boes},
journal= {arXiv preprint arXiv:2309.11450},
year = {2023}
}
备注
7 pages