基于软稀疏随机投影与谷值强调法的鲁棒孤立森林
机器学习
2025-03-18 v1 人工智能
摘要
孤立森林（iForest）是一种无监督异常检测算法，旨在有效检测满足'少数且不同'假设的异常数据。各种研究旨在增强 iForest，但 resulting algorithms 在不同数据集上往往表现出显著的性能差异。此外，在专注于改进分裂的研究中，隔离罕见且广泛分布的异常值的挑战依然存在。为应对这些挑战，我们提出了鲁棒孤立森林（RiForest）。RiForest 利用现有特征和通过软稀疏随机投影获得的随机超平面来识别更优的分裂特征，实现与数据集无关的异常检测。它利用未被充分利用的谷值强调法进行最优分裂点确定，并通过软稀疏随机投影中的稀疏随机化来增强异常检测的鲁棒性。在 24 个基准数据集上的实验表明，RiForest 在异常检测方面持续优于现有算法，强调了稳定性和对噪声变量的鲁棒性。
引用
@article{arxiv.2503.12125,
title = {Robust Isolation Forest using Soft Sparse Random Projection and Valley Emphasis Method},
author = {Hun Kang and Kyoungok Kim},
journal= {arXiv preprint arXiv:2503.12125},
year = {2025}
}