608175_it-IT

liliconcom

Foresta di isolamento e alberi di isolamentoIsolation Forest sta emergendo come probabilmente uno dei rilevatori di anomalie più popolari negli ultimi anni grazie alla sua efficacia generale su diversi benchmark e alla forte scalabilità. È efficiente dal punto di vista computazionale e si è dimostrato molto efficace nel rilevamento delle anomalie.

L'algoritmo isola le osservazioni selezionando casualmente una caratteristica e quindi selezionando casualmente un valore diviso tra i valori massimo e minimo della caratteristica selezionata. L'implementazione è quindi la stessa degli alberi delle partizioni e degli alberi bootstrap con la differenza che la funzione target dovrebbe essere uniforme (cercando di dividere le variabili con un valore Y costante).

Tuttavia, se lo provi in JMP, non funziona.

Includendo Isolation Forest in JMP, un simile screening dei predittori tu, gli utenti avrebbero accesso a un potente strumento per rilevare le anomalie nei propri dati. Questo potrebbe aiutarli a identificare schemi o comportamenti insoliti che potrebbero richiedere ulteriori indagini.Analisi e modellazione dei dati di baseModellazione predittiva e Machine LearningStatistiche e analisi