基于自適應閾值的改進孤立森林算法研究與驗證

魏斐斐

摘要：為改善孤立森林算法建立二叉樹時隨機選擇屬性進行數據分割，構建孤立森林時可能出現一些性能較差的冗余二叉樹，導致模型精度不高的問題，應用一種區間套搜索算法對初始構建的孤立森林搜索森林劃分閾值，去除性能較差的孤立二叉樹，構建性能更優的孤立森林，提出一種自適應閾值的改進孤立森林算法（Adaptive-iForest） 。選取UCI經典數據集中Breastw、Ionosphere、Satellite、Shuttle、Pendigits 5個數據集進行實證分析，對比iForest、LOF兩個算法，AdaptiveiForest算法的精度與AUC值均有不同程度提升。

關鍵詞：異常數據檢測；改進孤立森林算法；區間套搜索算法；自適應閾值；UCI數據集

中圖分類號：TP301.6 文獻標識碼：A

文章編號：1009-3044（2024）10-0020-03