Isolation Forest 하이퍼파라미터 개요

Python으로 배우는 이상치 탐지

Bekhruz (Bex) Tuychiev

Kaggle Master, Data Science Content Creator

가장 중요한 하이퍼파라미터

IForest에 가장 큰 영향을 주는 하이퍼파라미터:

• contamination
• n_estimators
• max_samples
• max_features

contamination이란?

IForest가 데이터 포인트를 분류하는 방법:

1. 원시 이상치 점수 생성
2. contamination 임계값 설정
3. contamination이 지정한 상위 비율의 점수를 이상치로 선택

contamination 설정

from pyod.models.iforest import IForest


# 0~0.5 사이 값 허용
iforest = IForest(contamination=0.05)

n_estimators란?

# 큰 데이터셋에는 더 많은 트리
iforest = IForest(n_estimators=1000)

iforest.fit(airbnb_df)

max_samples와 max_features

iforest = IForest(n_estimators=200, max_samples=0.6, max_features=0.9)


iforest.fit(airbnb_df)

트리 성장

• iTree:
  • 무작위로 성장함
  • 분할은 특성의 최소~최대 사이에서 무작위 선택
  • 다음까지 성장:
    • 모든 포인트가 분리됨
    • 최대 깊이에 도달

최대 트리 깊이

• 샘플 크기의 로그와 같음

IForest 장점

• 대규모 데이터셋에 매우 효율적
• 다른 알고리즘처럼 모든 정상 사례가 필요 없음
• 통계적 가정 불필요
• 기본 설정만으로도 성능 우수

이상치 탐지의 과제

• 지도학습 모델은 RMSE, 로그 손실 등의 지표에 의존
• 이상치 탐지는 비지도 학습 문제
• 이상치 분류기는 지도학습 모델과 함께 사용해야 함

Ayo berlatih!

Python으로 배우는 이상치 탐지