目录
摘要
简介
孤立森林定义
孤立森林基本思想
基于孤立森林异常数据检测的代码
结果分析
完整代码下载：基于孤立森林的异常数据检测，基于孤立森林的目标检测（代码完整，数据齐全）资源-CSDN文库 https://download.csdn.net/download/abc991835105/88740408
摘要
孤立森林简介，孤立森林原理，孤立森林公式，基于孤立森林的异常数据检测，基于孤立森林的目标检测
简介：
孤立森林算法是一种适用于连续数据的无监督异常检测方法，由南京大学周志华教授等人于2008年首次提出，之后又于2012年提出了改进版本。与其他异常检测算法通过距离，密度等量化指标来刻画样本间的疏离程度不同，孤立森林算法通过对样本点的孤立来检测异常值。具体来说，该算法利用一种名为孤立树的二叉搜索树结构来孤立样本。由于异常值的数量较少且与大部分样本的疏离性，因此，异常值会被更早的孤立出来，也即异常值会距离的根节点更近，而正常值则会距离根节点有更远的距离。此外，相较于LOF，K-means等传统算法，孤立森林算法对高纬数据有较好的鲁棒性。
孤立森林定义：
我们先给出孤立树(Isolation Tree)和样本点在孤立树中的路径长度的定义
孤立树：若为孤立树的一个节点，存在两种情况：没有子节点的外部节点，有两个子节点和一个test的内部节点。在的test由一个属性和一个分割点组成，的点属于,反之属于。
样本点在孤立树中的路径长度:样本点从的根节点到叶子节点经过的