isolation Forest?

개념

비지도 Anormaly Detection 중 하나로 현재 갖고 있는 데이터 중 이상치를 탐지할 때 주로 사용된다. tree 기반으로 구현되고, 랜덤으로 데이터를 split하여 모든 관측치를 고립시키며 구현된다. 변수가 많은 데이터에서도 효율적으로 작동한다는 장점이 있다.

각 관측치를 고립시키는 것은 이상치가 정상 데이터보다 쉽다.

따라서 정상데이터를 분리하는 경우 약 7번의 split이 필요하고 이상치를 분리하는 경우에는 약 3번의 split이 필요하다. 정상 데이터는 tree의 terminal node와 근접하며, 경로길이가 크고, 이상치는 tree의 root node와 근접하며 경로길이가 작다.

itree를 여러번 반복하여 앙상블 한다.

itree

1. 비복원 추출로 데이터 중 일부를 샘플링한다.

2. 변수 선택: 데이터 X의 변수 중 q를 랜덤 선택

3. split point 설정: 변수 q의 범위 중 uniform하게 split point를 선택

4. 1~3번 과정을 모든 관측치가 split되거나, 임의의 split 횟수까지 반복하며, 경로 길이를 모두 저장

5. 위의 과정을 반복.

parameter 설명

1. n_estimators: 나무의 개수. default = 100
2. max_samples: 정수일 경우, 지정한 정수 개수만큼 각 나무 별로 데이터를 샘플링 함.
   실수일 경우 전체 데이터 개수에 실수를 곱한 만큼의 데이터를 사용.
   따로 지정하지 않았을 경우, 전체 데이터 개수와 256 중 작은 수를 사용
3. contamination: 전체 데이터에서 이상치의 비율.
4. max_features: 나무를 훈련할 때, 사용할 features 개수. default = 1

출처: https://velog.io/@vvakki_/Isolation-Forest-%EB%AF%B8%EC%99%84%EC%84%B1#:~:text=Isolation%20Forest%EB%8A%94%20Unsupervised%20Anomaly,%EB%A5%BC%20%EA%B3%A0%EB%A6%BD%EC%8B%9C%ED%82%A4%EB%A9%B0%20%EA%B5%AC%ED%98%84%EB%90%A9%EB%8B%88%EB%8B%A4.