签名隔离森林
机器学习
2025-02-26 v4 机器学习
摘要
函数隔离森林 (FIF) 是一种近期最先进的异常检测 (AD) 算法，专为函数型数据设计。它依赖于树划分过程，其中异常分数是通过将每条曲线观测值投影到绘制的字典上并计算线性内积得出的。这种线性内积和字典的选择是先验的，会极大地影响算法性能，并可能导致不可靠的结果，特别是在处理复杂数据集时。本研究通过引入\textit{签名隔离森林}（一种利用粗糙路径理论中签名变换的新型 AD 算法类）来应对这些挑战。我们的目标是通过提出两种分别针对 FIF 内积线性性和字典选择问题的算法，消除 FIF 所施加的约束。我们提供了多项数值实验，包括一项现实世界应用基准测试，展示了我们方法的相关性。
引用
@article{arxiv.2403.04405,
title = {Signature Isolation Forest},
author = {Marta Campi and Guillaume Staerman and Gareth W. Peters and Tomoko Matsui},
journal= {arXiv preprint arXiv:2403.04405},
year = {2025}
}