608175_zh-TW

liliconcom

隔離林和隔離樹由於其在不同基準測試中的普遍有效性和強大的可擴展性，隔離森林已成為近年來最受歡迎的異常檢測器之一。 它計算效率高，已被證明在異常檢測中非常有效。

該算法通過隨機選擇一個特徵然後隨機選擇所選特徵的最大值和最小值之間的分割值來隔離觀察。 因此，實現與分區樹和引導樹相同，不同之處在於目標函數應該是統一的（嘗試使用常量 Y 值拆分變量）。

然而，如果您在 JMP 中嘗試這樣做，它是行不通的。

通過在 JMP 中包含 Isolation Forest（類似於 tu 預測變量篩選），用戶可以使用強大的工具來檢測數據中的異常。 這可以幫助他們識別可能需要進一步調查的異常模式或行為。基礎數據分析與建模預測建模和機器學習統計與分析