İstatistik Sözlüğü → İzolasyon ormanı ve kirlilik (contamination) oranı
İzolasyon ormanı ve kirlilik (contamination) oranıkavram
Aykırı gözlemleri, rastgele bölmelerle diğerlerinden ne kadar kolay ayrılabildiklerine bakarak bulan bir anomali tespit yöntemi ve kaç gözlemin anomali sayılacağını belirleyen oran.
Liu, Ting ve Zhou (2008) tarafından önerilen yöntem, çok sayıda rastgele ağaç kurar. Her ağaçta rastgele bir değişken ve o değişkenin aralığında rastgele bir bölme noktası seçilir ve veri her gözlem tek başına kalana kadar bölünür. Aykırı gözlemler az sayıda ve diğerlerinden uzak olduğu için birkaç bölmede yalnız kalır, yani kısa bir yol uzunluğuna sahiptir. Normal gözlemler ise yoğun bölgelerde bulunduğu için ayrılmaları için çok bölme gerekir. Ortalama yol uzunluğu bir anomali skoruna dönüştürülür; skor 1'e yaklaştıkça gözlem daha olağandışıdır.
Yöntem dağılım varsayımı yapmaz, yüksek boyutlu ve büyük veride hızlıdır. Ancak skorlar yalnızca bir sıralama verir; hangi gözlemlerin 'anomali' sayılacağı kirlilik oranı c ile belirlenir. Skorların (1 − c) yüzdeliği eşik olur ve yaklaşık c·n gözlem anomali olarak işaretlenir. Bu oran gerçekte bilinmez ve sonuç onun seçimine doğrudan bağlıdır; bu nedenle alan bilgisine dayanmalı ve duyarlılığı denenmelidir. Değişkenler ölçeklenmese de çalışabilir, ama eksen boyunca bölme yaptığı için çapraz yönlerdeki yapıları tam yakalayamayabilir. Sonuç tohuma bağlıdır.
Gündelik bir örnek
Bir banka 10.000 kartlı işlemi tutar, saat ve konuma göre tarıyor. Gece yarısı başka bir ülkede yapılan çok yüksek tutarlı bir işlem, rastgele bölmelerin çoğunda ikinci ya da üçüncü adımda tek başına kalıyor ve yüksek skor alıyor. Kirlilik oranı 0,01 seçilirse en yüksek skorlu yaklaşık 100 işlem inceleme için işaretleniyor.
MerQur'da
Anomali tespitinde 'Contamination (Isolation Forest ve LOF)' eşiği skorların (1 − c) yüzdeliği olarak belirler; 'Isolation Forest ağaç sayısı ve tohum' ormandaki ağaç sayısını ve rastgele tohumu ayarlar.