608175_zh-CN

liliconcom

隔离林和隔离树由于其在不同基准测试中的普遍有效性和强大的可扩展性，隔离森林已成为近年来最受欢迎的异常检测器之一。 它的计算效率很高，并且已被证明在异常检测中非常有效。

该算法通过随机选择一个特征然后随机选择所选特征的最大值和最小值之间的分割值来隔离观察。 因此，实现与分区树和引导树相同，不同之处在于目标函数应该是统一的（尝试使用常量 Y 值拆分变量）。

然而，如果您在 JMP 中尝试这样做，它是行不通的。

通过在 JMP 中包含 Isolation Forest（类似于 tu 预测变量筛选），用户可以使用强大的工具来检测数据中的异常。 这可以帮助他们识别可能需要进一步调查的异常模式或行为。基础数据分析与建模预测建模和机器学习统计与分析