Isolation Forest: لماذا نراجع متوسط مسارات العزل؟

الخلاصة السريعة

قصر المسار في شجرة واحدة لا يحسم الحكم. تجمع الغابة معلومات أشجار متعددة، ثم يحتاج تحويل الدرجة إلى قرار إلى عتبة وتفسير مرتبطين بالمهمة.

• في شجرة مكتملة العزل، نعد الحواف من الجذر إلى ورقة العينة؛ إذا انتهت الورقة بعدة عينات فالحساب الأصلي يضيف تصحيحًا. ^[2]
• للقيم 0 و 1 و 2 و 10 وشجرة مفترضة تبدأ بقطع 5، ينعزل 10 بطول 1؛ وبعد قطع 1.5 ثم 0.5 تكون أطوال 2 و 0 و 1 هي 2 و 3 و 3.
• في شجرة ثانية مفترضة تبدأ بقطع 0.5 ثم 6 ثم 1.5، الأطوال 0 و 10 و 1 و 2 هي 1 و 2 و 3 و 3؛ متوسط 10 عبر الشجرتين 1.5 ومتوسط 0 هو 2.
• هذه متوسطات لقطع اخترناها يدويًا وليست درجات برنامج؛ contamination يساهم في تحديد عتبة الدرجات ولا يثبت سبب شذوذ سجل. ^[1]

ماذا نعد في شجرة العزل؟

في التعريف الأصلي، طول المسار عدد حواف انتقال العينة حتى الورقة، ويضاف تصحيح إذا احتوت الورقة أكثر من عينة. ^[2]

سنستخدم أربع قيم مختلفة، وشجرتين تنتهيان بصف واحد في كل ورقة. لا نحتاج إلى التصحيح في هاتين الشجرتين، لكن ذلك لا يجعل عد الحواف وحده قاعدة لكل تنفيذ محدود العمق.

نختار الحدود يدويًا لإظهار المسارات. لا نسحب عشوائيًا أو نلائم نموذجًا، ولا نطبق حدود العمق الافتراضية للمكتبة. المقصود فحص معنى طول المسار عندما يكون شكل الشجرة معلومًا بالكامل.

شجرة تعزل القيمة البعيدة مبكرًا

القيم صفر وواحد واثنان وعشرة. يقسم الحد خمسة إلى يسار {0، 1، 2} ويمين {10}. انعزلت عشرة بعد حافة واحدة.

داخل اليسار، يقسم الحد 1.5 إلى {0، 1} و{2}، فطول مسار اثنين حافتان. ثم يفصل الحد 0.5 الصفر والواحد، فيبلغ طول مسار كل منهما ثلاث حواف.

اتفق في هذه الشجرة أن القيمة البعيدة عشرة انعزلت أسرع. لكننا حددنا هذا القطع مسبقًا؛ النتيجة لا تثبت أن كل شجرة ممكنة ستبدأ بخمسة أو أن كل نقطة ذات مسار قصير تحمل سببًا ضارًا.

شجرة أخرى ومتوسط مختلف

تبدأ الشجرة الثانية بحد 0.5: صفر وحده في اليسار، و{1، 2، 10} في اليمين. بعد ذلك يفصل الحد ستة عشرة، ثم يفصل 1.5 الواحد والاثنين.

الأطوال الآن: صفر واحد، وعشرة اثنان، وواحد واثنان ثلاثة لكل منهما. صفر أقصر من عشرة في هذه الشجرة، رغم اختلاف ترتيبهما في الأولى.

عبر الشجرتين، متوسط عشرة (1+2)/2=1.5، وصفر (3+1)/2=2، وواحد 3، واثنين 2.5. هذه متوسطات طول خام في المثال، ولم نحسب التطبيع أو درجة شذوذ في واجهة برنامج.

الدرجة والعتبة وتفسير الحالة

تستخدم الواجهة contamination عند الملاءمة لتحديد عتبة الدرجات؛ وتختار حدود التقسيم عشوائيًا في بناء الأشجار. ^[1] حدودنا المحددة ليست محاكاة كاملة لهذا البناء.

إذا سجلت عشرًا للمراجعة بسبب ترتيبها في المثال، فأنت تعرف فقط وصفها العددي والمسارات التي افترضناها. لا يوجد في الأرقام اسم نشاط أو سبب خطأ أو إثبات احتيال، ولا يمكن للمتوسط أن يضيف هذه المعلومات.

اكتب معرف الحالة والقيمة والقرار والسبب الذي تأكدت منه بصورة منفصلة. تظل القيمة المرتفعة ممكنة في نشاط مشروع، وتظل النتيجة الحسابية صالحة للشجرتين المحددتين فقط. هكذا نستخدم مثال المسار لفهم الآلية، ثم نطلب أدلة المهمة قبل تفسير سجل واقعي.