ป่าโดดเดี่ยว

Isolation Forest หรือที่รู้จักกันในชื่อ iForest เป็นอัลกอริธึมการเรียนรู้ของเครื่องที่ออกแบบมาเพื่อตรวจจับค่าผิดปกติในชุดข้อมูล ทำงานโดยการสุ่มเลือกและแยกจุดในข้อมูล ซึ่งจะใช้เพื่อสร้างแผนผังการตัดสินใจ จากนั้นต้นไม้นี้จะถูกนำมาใช้เพื่อค้นหาจุดที่ผิดปกติในข้อมูล ซึ่งถือว่าเป็นค่าผิดปกติ ด้วยการสุ่มตัวอย่างและเลือกจุด Isolation Forest จะพยายามค้นหาค่าผิดปกติในข้อมูลโดยไม่คำนึงถึงการกระจายตัวของข้อมูลโดยรวม

Isolation Forest ได้รับการเสนอครั้งแรกโดย Fei Tony Liu, Kai Ming Ting และ Zhi-Hua Zhou ในรายงานเรื่อง "Isolation Forest" อัลกอริธึมขึ้นอยู่กับแนวคิดของการแยกจุดข้อมูลที่กำหนดในชุดข้อมูลโดยการสุ่มเลือกจุดถัดไปในข้อมูล การเลือกแบบสุ่มนี้จะแยกจุดข้อมูลดั้งเดิมออก ซึ่งจากนั้นจะใช้เพื่อสร้างแผนผังการตัดสินใจ แผนภูมินี้ใช้เพื่อระบุจุดผิดปกติในชุดข้อมูล บทความระบุว่าอัลกอริทึมมีประสิทธิภาพเหนือกว่าวิธีการที่มีอยู่สำหรับการตรวจจับความผิดปกติ เช่น วิธีการที่ใช้ความหนาแน่นหรือวิธีเพื่อนบ้านที่ใกล้ที่สุด ในแง่ของประสิทธิภาพ ความแม่นยำ และความสามารถในการขยายขนาด

อัลกอริธึมทำงานโดยการสร้างป่าที่มีต้นไม้โดดเดี่ยว แผนผังเหล่านี้สร้างขึ้นโดยการสุ่มเลือกและแยกจุดข้อมูลในชุดข้อมูล กระบวนการนี้จะถูกทำซ้ำจนกระทั่งแต่ละจุดข้อมูลถูกแยกออกจากกัน ต้นไม้ผลลัพธ์จะถูกนำมาใช้เพื่อระบุจุดผิดปกติ ซึ่งทำได้โดยการเปรียบเทียบความลึกของจุดที่แยกออกจากกันก่อนหน้านี้ในต้นไม้ จุดที่ลึกกว่ามีแนวโน้มที่จะเป็นค่าผิดปกติมากกว่า และด้วยเหตุนี้จึงระบุได้เช่นนั้น

การใช้ประโยชน์ของ Isolation Forests เพิ่มขึ้นอย่างมากนับตั้งแต่มีการเสนออัลกอริทึมในตอนแรก ขณะนี้มีการใช้แอปพลิเคชันที่หลากหลาย รวมถึงการตรวจจับการฉ้อโกง การตรวจจับการบุกรุก การตรวจจับค่าผิดปกติ และการวินิจฉัยทางการแพทย์

โดยรวมแล้ว Isolation Forest เป็นอัลกอริธึมการเรียนรู้ของเครื่องที่ใช้ในการตรวจจับค่าผิดปกติในชุดข้อมูล มันได้กลายเป็นอัลกอริธึมที่ได้รับความนิยมเนื่องจากความสามารถในการปรับขนาด ความแม่นยำ และประสิทธิภาพ และมีการนำไปใช้ในหลากหลายสาขาวิชา