Isolation Forest, également connu sous le nom d'iForest, est un algorithme d'apprentissage automatique conçu pour détecter les valeurs aberrantes dans un ensemble de données. Il fonctionne en sélectionnant et en isolant de manière aléatoire des points dans les données, qui sont ensuite utilisés pour générer un arbre de décision. Cet arbre est ensuite utilisé pour rechercher les points anormaux dans les données, qui sont considérés comme des valeurs aberrantes. En échantillonnant et en sélectionnant des points au hasard, Isolation Forest tente de trouver les valeurs aberrantes dans les données sans tenir compte de la distribution globale des données.
La forêt d'isolement a été proposée pour la première fois par Fei Tony Liu, Kai Ming Ting et Zhi-Hua Zhou dans leur article « Isolation Forest ». L'algorithme est basé sur l'idée d'isoler un point de données donné dans l'ensemble de données en sélectionnant aléatoirement les points suivants dans les données. Cette sélection aléatoire isole le point de données d'origine, qui est ensuite utilisé pour créer un arbre de décision. Cet arbre est ensuite utilisé pour identifier les points aberrants dans l'ensemble de données. L'article indique que l'algorithme surpasse les méthodes existantes de détection d'anomalies, telles que les méthodes basées sur la densité ou les méthodes du plus proche voisin, en termes d'efficacité, de précision et d'évolutivité.
L'algorithme fonctionne en construisant une forêt d'arbres d'isolation. Ces arbres sont construits en sélectionnant et en isolant aléatoirement des points de données dans l'ensemble de données. Ce processus est répété jusqu'à ce que chaque point de données soit isolé. L’arbre résultant est ensuite utilisé pour identifier les points aberrants. Cela se fait en comparant les profondeurs de points précédemment isolés dans les arbres. Les points plus profonds sont plus susceptibles d’être des valeurs aberrantes et sont donc identifiés comme tels.
L’utilisation des forêts d’isolement a connu une croissance exponentielle depuis la proposition initiale de l’algorithme. Il est désormais utilisé dans diverses applications, notamment la détection de fraude, la détection d'intrusion, la détection de valeurs aberrantes et le diagnostic médical.
Dans l'ensemble, Isolation Forest est un algorithme d'apprentissage automatique utilisé pour détecter les valeurs aberrantes dans un ensemble de données. Il est devenu un algorithme populaire en raison de son évolutivité, de sa précision et de son efficacité, et il est utilisé dans diverses disciplines.
