你为何异常？在孤立森林异常检测中融入可解释性
机器学习
2021-12-14 v1
摘要
异常检测旨在识别数据集中不符合预期行为的样本。尽管存在大量异常检测算法，但鲜有研究关注解释这些算法为何将某些样本标记为异常。然而，此类解释对于任何解读算法输出的人都极为有用。本文提出了一种解释最先进的 Isolation Forest（孤立森林）异常检测算法之异常预测的方法。该方法输出一个解释向量，刻画了样本的每个属性对于将其识别为异常的重要程度。在合成与真实世界数据集上的详尽实验评估表明，我们的方法比多数当代最先进的可解释性方法更准确且更高效。
引用
@article{arxiv.2112.06858,
title = {Why Are You Weird? Infusing Interpretability in Isolation Forest for Anomaly Detection},
author = {Nirmal Sobha Kartha and Clément Gautrais and Vincent Vercruyssen},
journal= {arXiv preprint arXiv:2112.06858},
year = {2021}
}