Isolation Trees

Einführung in die Anomalieerkennung in R

Alastair Rushworth

Data Scientist

Isolation Tree

Einführung in die Anomalieerkennung in R

Isolation-Tree-Plots

Einführung in die Anomalieerkennung in R

Einen Isolation Tree fitten

library(isofor)

furniture_tree <- iForest(data = furniture, nt = 1)

Argumente von iForest()

  • data – Dataframe
  • nt – Anzahl zu wachsender Isolation Trees

 

 

Paketdownload von https://github.com/Zelazny7/isofor

Einführung in die Anomalieerkennung in R

Einen Isolation Score erzeugen

furniture_score <- predict(furniture_tree, newdata = furniture)

Argumente von predict()

  • object – ein gefittetes iForest-Modell
  • newdata – zu scorrende Daten
Einführung in die Anomalieerkennung in R

Den Isolation Score interpretieren

furniture_score[1:10]

[1] 0.5820092 0.5820092 0.5439338 0.5820092 0.5439338 
[6] 0.5820092 0.7129862 0.5363547 0.5363547 0.5363547

Standardisierte Pfadlänge

  • Scores zwischen 0 und 1
  • Scores nahe 1 deuten auf Anomalien hin (kurze Pfadlänge)
Einführung in die Anomalieerkennung in R

Lass uns üben!

Einführung in die Anomalieerkennung in R

Preparing Video For Download...