Isolation Forest

Isolation Forestは、ランダムに選択した特徴と分割点で構成される多数の決定木（Isolation Tree）を用いて、各データ点が他の点からどれだけ早く孤立できるか（パス長）を測定し、異常度を評価する手法です。木の深さが浅いほど少ない分割で孤立できるため、対象が異常である可能性が高いと判断されます。教師ラベルを必要とせず、データ全体の分布情報だけで異常検知を行える点が大きな特徴です。この手法は2008年に提案されたもので、従来の距離ベースや密度ベースの手法と比較して計算コストが低く、特に高次元データに対してもスケーラビリティがあることが報告されています。また、サブサンプリングにより過学習のリスクを抑えつつ、全体の構造を把握できる点も利点です。