孤立森林（Isolation Forests）

 简介

        孤立森林是一个经典的异常检测算法，能处理大规模的多维数据。

        孤立森林认为异常样本通常few and different：相比正常样本，它们数量上比较少，特征值差异比较大。因此，异常样本更容易被孤立。孤立森林通过构建二叉树的方法孤立每一个异常样本——因为异常样本容易被孤立的特征，异常样本更靠近根节点，正常样本 at the deeper end of the tree。构建的这棵树被称为孤立树（Isolation Tree, iTree)。iTrees的集合即iForest。anomalies are those instances which have short average path lengths on the iTrees。

算法原理

iForest的训练方法与超参数的选择

        孤立森林将训练集通过不放回采样的方式采样得到t个子集。超参数t是iTree的个数，每棵iTree由子集构建而成。子集的大小为超参数subsampling size，通常很小，如128 。这里有下面几个问题：1. 为什么要通过随机采样得到的子集去构造iTree? 2. 超参数如何设？3. iTree是如何生成的？

为什么要通过随机采样得到的子集去构造iTree?