🔑 名詞卡
Isolation Forest（孤立森林）
🎯 定義
一種基於樹的非參數異常偵測演算法，核心觀察是異常點少數且與正常點距離較遠，因此在隨機劃分特徵空間時更容易被快速「孤立」出來。
重點／應用
- 原理：隨機選特徵與分割點構建多棵孤立樹（iTree），異常點因孤立性通常路徑長度較短；集成多棵樹的平均路徑長度得出異常分數。
- 優點：效率高，適合高維與大規模資料（不需距離或密度計算），能直接輸出異常分數。
- 缺點：對非常接近正常群集的異常值較難偵測。
記憶技巧
「越異常的點，越容易被幾刀就『孤立』出來（路徑短）」。
易混淆
- vs One-Class SVM：Isolation Forest 用「孤立難易度」判斷異常，不需距離度量；One-Class SVM 用「決策邊界」判斷異常，需核函數映射且只用正常資料訓練。
📖 課文原文「核心思想基於一個直觀的觀察：異常點通常是少數的，並且與正常點在特徵空間中相距較遠。因此，在隨機劃分數據時，異常點更容易被快速『孤立』出來。」