一、給定資料集x，是個二維陣列，row代表樣本數，col代表每個樣本的屬性維度
二、從這些資料集中隨機選取256個樣本。建立二叉樹，初始的高度預設為0
隨機選取某個屬性q(屬性集q)，在該屬性q中從最大值和最小值之間選取屬性值p，將小於p的值劃分到左子樹，大於p的值劃分到右子樹。遞迴劃分左右子樹。遞迴結束條件是產生葉子節點，或者樹的高度達到設定的閾值
三、建立t個樹，構成森林
四、建立異常指數，這裡還沒看懂，繼續看下去
傳入樣本集samples，森林中樹的數目100顆。
計算樹的高度閾值log2(256)=8，256是選取的子樣本數，**中說的是取256比較好。
孤立森林 Isolation Forest
前言 隨著機器學習近年來的流行，尤其是深度學習的火熱。機器學習演算法在很多領域的應用越來越普遍。最近，我在一家廣告公司做廣告點選反作弊演算法研究工作。想到了異常檢測演算法，並且上網調研發現有乙個演算法非常火爆，那就是本文要介紹的演算法 isolation forest，簡稱 iforest 南大周志...
孤立森林 實現 孤立森林演算法介紹，這次終於看懂了！
孤立森林演算法應用於網路安全中的攻擊檢測，金融交易欺詐檢測，疾病偵測，和雜訊資料過濾等。1.孤立森林簡介 iforest isolationforest 孤立森林是乙個基於ensemble 的快速異常檢測方法，具有線性時間複雜度和高精準度，是符合大資料處理要求的state of the art演算法...
孤立森林 實現 孤立森林演算法介紹，這次終於看懂了
孤立森林演算法應用於網路安全中的攻擊檢測，金融交易欺詐檢測，疾病偵測，和雜訊資料過濾等。1.孤立森林簡介 iforest isolationforest 孤立森林是乙個基於ensemble 的快速異常檢測方法，具有線性時間複雜度和高精準度，是符合大資料處理要求的state of the art演算法...