用于批处理与在线异常检测的隔离蒙德里安森林
机器学习
2021-11-02 v2 机器学习
摘要
我们提出一种名为隔离蒙德里安森林(isolation Mondrian forest, iMondrian forest)的新方法,用于批处理与在线异常检测。所提方法是隔离森林(isolation forest)与蒙德里安森林(Mondrian forest)的新颖混合,二者分别是现有的批处理异常检测方法与在线随机森林方法。iMondrian 森林借鉴隔离思想,利用树中节点的深度,并将其实现于蒙德里安森林结构中。结果是一种新的数据结构,能够以在线方式接收流数据并同时用于异常检测。我们的实验表明,iMondrian 森林在批处理设定下大多优于隔离森林,且相对于其他批处理与在线异常检测方法具有更优或相当的性能。
引用
@article{arxiv.2003.03692,
title = {Isolation Mondrian Forest for Batch and Online Anomaly Detection},
author = {Haoran Ma and Benyamin Ghojogh and Maria N. Samad and Dongyu Zheng and Mark Crowley},
journal= {arXiv preprint arXiv:2003.03692},
year = {2021}
}
备注
Accepted for presentation at the IEEE International Conference on Systems, Man, and Cybernetics (SMC) 2020. The first three authors contributed equally to this work