孤立点检测中的隔离林与鲁棒随机砍伐林

Question

我正在研究异常值检测中的不同方法。我遇到了sklearn实现的隔离林和Amazon sagemaker实现的RRCF（健壮随机砍伐林）。这两种方法都是基于决策树的集成方法，旨在隔离每个点。隔离步骤越多，点越有可能是一个更内联的点，反之亦然

然而，即使在看了这些算法的原始论文之后，我仍然无法准确地理解这两种算法之间的区别。它们以什么方式工作？其中一个比另一个更有效率吗

编辑：我正在添加研究论文的链接以获取更多信息，以及一些讨论主题的教程

隔离林：

PaperTutorial

健壮的随机砍伐森林：

PaperTutorial

Answer 1

我相信他们在分配异常分数的方式上也有所不同。IF的分数基于与根节点的距离。RRCF基于新点改变树结构的程度（即，通过包含新点来改变树大小）。这使得RRCF对样本量不太敏感