Isolation Forest | Mengisolasi Outlier dengan Pemisahan Acak

Isolation Forest membangun banyak pohon acak dan memberi skor anomali berdasarkan seberapa cepat sebuah sampel bisa diisolasi. Metode ini tetap cepat bahkan untuk data berdimensi tinggi.

1. Cara kerja #

• Mengambil sub-sampel data secara acak.
• Membangun Isolation Tree dengan fitur dan ambang yang dipilih acak.
• Sampel dengan panjang jalur rata-rata yang lebih pendek lebih mudah terisolasi, sehingga lebih mungkin menjadi anomali.

Skor anomali dinormalisasi menggunakan panjang jalur harapan pohon biner acak, \(c(n)\).

2. Contoh Python #

import numpy as np
import matplotlib.pyplot as plt
import japanize_matplotlib
from sklearn.ensemble import IsolationForest

rng = np.random.default_rng(0)
X_inliers = 0.3 * rng.normal(size=(200, 2))
X_anom = rng.uniform(low=-4, high=4, size=(20, 2))
X = np.vstack([X_inliers, X_anom])

model = IsolationForest(n_estimators=200, contamination=0.1, random_state=0)
model.fit(X)
scores = -model.score_samples(X)
labels = model.predict(X)  # -1 = anomali

plt.figure(figsize=(6, 5))
plt.scatter(X[:, 0], X[:, 1], c=scores, cmap="magma", s=30)
plt.colorbar(label="anomaly score")
plt.title("Skor Isolation Forest")
plt.tight_layout()
plt.show()

print("Anomali terdeteksi:", np.sum(labels == -1))

3. Hiperparameter #

• n_estimators: Jumlah pohon. Lebih banyak biasanya lebih stabil.
• max_samples: Sampel per pohon. Default min(256, n_samples).
• contamination: Perkiraan proporsi anomali; dipakai sebagai ambang.
• max_features: Jumlah fitur yang dipakai pada setiap split.

4. Kelebihan dan kekurangan #

5. Ringkasan #

• Isolation Forest adalah metode berbasis pohon yang memakai jalur isolasi yang pendek sebagai sinyal anomali.
• Mudah digunakan di scikit-learn, terutama mengatur jumlah pohon dan jumlah sampel.
• Cocok untuk menyaring kandidat anomali secara cepat pada log atau data sensor.