异常值挖掘方法——孤立森林Isolation Forest

2023-10-14 08:30

本文主要是介绍异常值挖掘方法——孤立森林Isolation Forest,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

异常值挖掘方法

一、内容概览

内容大致分为两大部分,第一部分是异常值挖掘方法概述,简略介绍异常值挖掘方法的分类及其优缺点。第二部分介绍孤立森林算法(iForest),Isolation Forest 简称 iForest,该算法是周志华在2010年提出的一个异常值检测算法,在工业界很实用,算法效果好,时间效率高。第二部分包括对iForest算法思想、原理、流程的介绍,以及来自sklearn官网上的一个iForest例子实战讲解,并附上代码与注释。

二、异常值挖掘方法概述

2.1统计量检验

先对变量做一个描述性统计,进而查看哪些数据是不合理的。如箱型图分析,平均值,最大最小值分析,统计学上的3σ法则等。 假设原数据服从某个分布(如高斯分布),然后计算 μ \mu μ σ \sigma σ再计算   ( μ − 3 σ , μ + 3 σ ) \ (\mu-3\sigma,\mu+3\sigma)  (μ3σ,μ+3σ)的区间,最后落在区间之外的数据点就被认为是异常值。

  • 优点:

    1.比较直观,方法简单

    2.建立在标准的统计学理论之上,当存在充分数据以及选对检验方法时,效果非常好。

  • 缺点:

    适合一元场合情况之下,对于高维数据,检验可能性较差。

2.2基于邻近度的方法

通常可以在对象之间定义邻近性度量,并且许多移仓检测方法都基于邻近度。异常对象是那些远离大部分其他对象的对象,这一邻域的许多技术都基于距离,称作基于距离的离群点检测技术,代表算法:基于KNN的密度检测算法。

  • 优点:

    原理简单,比统计量检验法应用范围更广。

  • 缺点:

    1.基于邻近度的方法一般需要O(m^2)时间(其中m是对象个数),这对于大型数据集可能代价过高。

    2.该方法对参数的选择是敏感的。

    3.不能处理具有不同密度区域的数据集,不能考虑这种密度的变化。

2.3基于密度的离群点检测

离群点是在低密度区域中的对象。基于密度的离群点检测与基于邻近度的离群点检测密切相关,因为密度通常用邻近度定义。一种常用的定义密度的方法是,定义密度为到k个最近邻的平均距离的倒数。如果该距离小,则密度高,反之亦然。

  • 优点:

    1.给出了对象离群程度的定量度量。

    2.数据具有不同密度的区域也能够很好地处理。

  • 缺点:

    1.有O(m^2)时间复杂度(其中m是对象个数)

    2.参数选择困难,评估指标缺乏参照标准。

2.4基于聚类的离群点检测

一种利用聚类检测离群点的方法是丢弃原理其他簇的小簇。这种方法可以与任何聚类技术一起使用,但是需要最小簇大小和小簇与其他簇之间距离的阈值,通常,该过程可以简化为丢弃小于某个最小尺寸的所有簇。

  • 优点

    1. 聚类技术(如K均值)的时间和空间复杂度是线性或接近线性的,该检测技术较为高效的。
    2. 可能同时发现簇和离群点(簇的定义通常是离群点的补)
  • 缺点

    产生的离群点集和它们的得分可能非常依赖所用的簇的个数和数据总离群点的存在性。聚类算法产生的簇的 质量对该算法产生的离群点的质量影响非常大。

三、孤立森林

3.1思想介绍

对于如何查找哪些点是否容易被孤立,iForest使用了一套非常高效的策略。假设我们用一个随机超平面来切割数据空间, 切一次可以生成两个子空间,再继续用一个随机超平面来切割每个子空间,循环下去,直到每子空间里面只有一个数据点为止。那些密度很高的簇是可以被切很多次才会停止切割,但是那些密度很低的点很容易很早的就停到一个子空间了。由于切割是随机的,所以需要用集成(ensemble)的方法来得到一个收敛值,即反复从头开始切,然后平均每次切的结果,且随着森林中树木棵树增多,收敛越快。孤立森林为给定的数据集构建了一组iTree,较少的异常实例会导致树结构中的较短路径,而且具有可区分的属性值的实例更可能在早期分区。 因此,当一棵由随机树木组成的森林为某些特定点共同产生较短的路径长度时,则它们很可能是异常的。通过集成算法求出平均路径长度之后,异常是那些在iTree上具有较短平均路径长度的实例。

在这里插入图片描述

如图2.1所示,异常更容易被隔离,因此路径长度较短。正常点xi需要隔离十二个随机分区,xo异常仅需要隔离四个分区,显然异常点更早被区分出来。

3.2 算法原理

  • 疑问:为什么要用树结构来分区?

递归分区可以用树结构表示,所以隔离一个点所需的分区数等于从根节点到终止节点的路径长度。

孤立森林算法总共分两步:

  1. 训练 iForest:从训练集中进行采样,构建孤立树,对森林中的每棵孤立树进行测试,记录路径长度;

    2.计算异常分数:根据异常分数计算公式,计算每个样本点的 anomaly score。

  • 训练iForest实现步骤如下:
  1. 从训练数据中随机选择t个点样本点作为子样本,放入树的根节点。
  2. 随机指定一个属性,在当前节点数据中随机产生一个切割点p(切割点产生于当前节指定属性的最大值和最小值之间)。
  3. 以此切割点生成了一个超平面,然后将当前节点数据空间划分为2个子空间:把指定属性里小于p的数据放在当前节点的左孩子,把大于等于p的数据放在当前节点的右孩子。
  4. 在孩子节点中递归步骤2和3,不断构造新的孩子节点,直到 孩子节点中只有一个数据(无法再继续切割) 或 孩子节点已到达限定高度 。
  • 计算异常分数

获得t个iTree之后,iForest 训练就结束,然后就可以用生成的iForest来评估测试数据。对于一个训练数据x,我们令其遍历每一棵iTree,然后计算x最终落在每个树第几层(x在树的高度)。然后我们可以得出x在每棵树的高度平均值,即 平均路径长度(the average path length over t iTrees),通过平均路径长度可以得到每个实例的异常分数。
在这里插入图片描述

如图4.2所示,a,b,c,d四个实例中,d的平均路径最短,最早被区分出来,可能是异常值点。

平均路径长度:
c ( n ) = 2 H ( n − 1 ) − ( 2 ( n − 1 ) / n ) (1) c(n)=2H(n-1)-(2(n-1)/n)\tag{1} c(n)=2H(n1)(2(n<

这篇关于异常值挖掘方法——孤立森林Isolation Forest的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/209354

相关文章

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

关于MongoDB图片URL存储异常问题以及解决

《关于MongoDB图片URL存储异常问题以及解决》:本文主要介绍关于MongoDB图片URL存储异常问题以及解决方案,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录MongoDB图片URL存储异常问题项目场景问题描述原因分析解决方案预防措施js总结MongoDB图

Windows 上如果忘记了 MySQL 密码 重置密码的两种方法

《Windows上如果忘记了MySQL密码重置密码的两种方法》:本文主要介绍Windows上如果忘记了MySQL密码重置密码的两种方法,本文通过两种方法结合实例代码给大家介绍的非常详细,感... 目录方法 1:以跳过权限验证模式启动 mysql 并重置密码方法 2:使用 my.ini 文件的临时配置在 Wi

一文详解Java异常处理你都了解哪些知识

《一文详解Java异常处理你都了解哪些知识》:本文主要介绍Java异常处理的相关资料,包括异常的分类、捕获和处理异常的语法、常见的异常类型以及自定义异常的实现,文中通过代码介绍的非常详细,需要的朋... 目录前言一、什么是异常二、异常的分类2.1 受检异常2.2 非受检异常三、异常处理的语法3.1 try-

MySQL重复数据处理的七种高效方法

《MySQL重复数据处理的七种高效方法》你是不是也曾遇到过这样的烦恼:明明系统测试时一切正常,上线后却频频出现重复数据,大批量导数据时,总有那么几条不听话的记录导致整个事务莫名回滚,今天,我就跟大家分... 目录1. 重复数据插入问题分析1.1 问题本质1.2 常见场景图2. 基础解决方案:使用异常捕获3.

最详细安装 PostgreSQL方法及常见问题解决

《最详细安装PostgreSQL方法及常见问题解决》:本文主要介绍最详细安装PostgreSQL方法及常见问题解决,介绍了在Windows系统上安装PostgreSQL及Linux系统上安装Po... 目录一、在 Windows 系统上安装 PostgreSQL1. 下载 PostgreSQL 安装包2.

SQL中redo log 刷⼊磁盘的常见方法

《SQL中redolog刷⼊磁盘的常见方法》本文主要介绍了SQL中redolog刷⼊磁盘的常见方法,将redolog刷入磁盘的方法确保了数据的持久性和一致性,下面就来具体介绍一下,感兴趣的可以了解... 目录Redo Log 刷入磁盘的方法Redo Log 刷入磁盘的过程代码示例(伪代码)在数据库系统中,r

usb接口驱动异常问题常用解决方案

《usb接口驱动异常问题常用解决方案》当遇到USB接口驱动异常时,可以通过多种方法来解决,其中主要就包括重装USB控制器、禁用USB选择性暂停设置、更新或安装新的主板驱动等... usb接口驱动异常怎么办,USB接口驱动异常是常见问题,通常由驱动损坏、系统更新冲突、硬件故障或电源管理设置导致。以下是常用解决

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)