用一个随机超平面来切割数据空间, 直到每个子空间里面只有一个数据点为止 。切割次数的多少可用来区分异常 。
iForest 由t个iTree孤立树组成 ， 每个iTree是一个二叉树，其实现步骤如下：
可以看到d最有可能是异常，因为其最早就被孤立（isolated）了 。
获得t个iTree之后，iForest 训练就结束，然后我们可以用生成的iForest来评估测试数据了 。对于一个训练数据x ， 我们令其遍历每一棵iTree，然后计算x最终落在每个树第几层（x在树的高度），得到x在每棵树的高度平均值 。获得每个测试数据的average path length后，我们可以设置一个阈值，低于此阈值的测试数据即为异常 。
IForest具有线性时间复杂度 。
IForest不适用于特别高维的数据 。
最小协方差行列式（Minimum Covariance Determinant）
论文《Minimum covariance determinant and extensions》中有更详细描述 。
论文《A Fast Algorithm for the Minimum Covariance Determinant Estimator》有更详细描述 。
【python中knn函数 pythonknn算法】关于python中knn函数和pythonknn算法的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站 。
推荐阅读
- 首次开直播素材，第一次开直播应该怎么写标题
- 电脑画面渐进是什么原因，电脑画面渐进是什么原因呢
- 经营游戏开篇，经营游戏玩法
- 斗鱼啊嘟嘟直播间，主播嘟嘟是谁
- java备份数据库代码 java实现数据库备份
- 笔记本选什么cpu，笔记本选什么配置的最好
- 电子章转pdf出现重影，电子章转成pdf格式后盖住了下面的文字
- 第一人称格斗类游戏，第一人称格斗端游
- mysql怎么修改时间 mysql怎么修改时区