Isolation Forest

สัญชาตญาณ #

Isolation Forest ควรเข้าใจผ่านสมมติฐาน กลไกการปรับปรุงโมเดล และรูปแบบความผิดพลาดบนข้อมูลจริง เพื่อให้เลือกโมเดลและปรับพารามิเตอร์ได้อย่างเหมาะสม.

คำอธิบายโดยละเอียด #

1. หลักการทำงาน #

• สุ่มย่อยข้อมูลหลายชุด (subsample)
• สร้าง Isolation Tree ด้วยการเลือกฟีเจอร์และค่าตัดแบบสุ่ม
• ตัวอย่างที่มีเส้นทางเฉลี่ยสั้นจะถูกแยกได้ง่ายกว่า จึงน่าจะเป็นความผิดปกติ

คะแนนจะถูกทำให้เป็นสเกลเดียวกันด้วยความยาวเส้นทางคาดหวังของต้นไม้สุ่ม \(c(n)\)

2. ตัวอย่าง Python #

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

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 = anomaly

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

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

3. ไฮเปอร์พารามิเตอร์ #

• n_estimators: จำนวนต้นไม้ มากขึ้นจะเสถียรกว่า
• max_samples: จำนวนตัวอย่างต่อหนึ่งต้นไม้ ค่าเริ่มต้น min(256, n_samples)
• contamination: สัดส่วนความผิดปกติที่คาดไว้ ใช้ตั้งค่า threshold
• max_features: จำนวนฟีเจอร์ที่ใช้ในแต่ละ split

4. ข้อดีและข้อจำกัด #

5. สรุป #

• Isolation Forest ใช้ “ความสั้นของเส้นทางแยก” เป็นสัญญาณความผิดปกติ
• ใช้งานง่ายใน scikit-learn โดยปรับหลัก ๆ ที่จำนวนต้นไม้และจำนวนตัวอย่าง
• เหมาะกับการกรองความผิดปกติอย่างรวดเร็วใน log หรือข้อมูลเซนเซอร์