Isolation Forest あいそれーしょんふぉれすと

---

Isolation Forestとは

Isolation Forest（孤立フォレスト）は、2008年にFei Tony Liuらが提案した異常検知アルゴリズムです。「異常なデータは正常なデータよりも少ない分割操作で孤立する」という特性を利用します。

---

仕組みの直感的理解

ランダムに特徴量を選び、ランダムな値で分割を繰り返す

正常データ（密な領域にある）：
  多くの分割を経てやっと孤立
  → 深いところに存在（パス長が長い）

異常データ（密な領域から外れている）：
  少ない分割ですぐ孤立
  → 浅いところに存在（パス長が短い）

→ パス長の平均が短い点 = 異常スコアが高い

---

実装例

from sklearn.ensemble import IsolationForest

model = IsolationForest(
    n_estimators=100,      # ツリーの本数
    contamination=0.05,    # 異常率の想定（5%）
    random_state=42
)
model.fit(X_train)

# 予測：1 = 正常, -1 = 異常
predictions = model.predict(X_test)

# 異常スコア（小さいほど異常）
scores = model.score_samples(X_test)

---

LOFとの比較

比較項目	Isolation Forest	LOF
考え方	孤立しやすさ	局所密度
速度	速い（O(nlogn)）	遅い（O(n²)）
大規模データ	得意	苦手
次元数	高次元でも動作	高次元で精度低下
解釈性	難しい	難しい

---

歴史と背景

• 2008年：Liu らが ICDM 2008 で発表
• 2012年：改良版 Extended Isolation Forest が後に登場
• 現在：scikit-learnに標準実装されており、異常検知のベースラインとして広く使用

---

関連用語

• 異常検知 — Isolation Forestが解決するタスク
• LOF — 密度ベースの代替異常検知手法
• One-Class SVM — SVMベースの代替手法
• 外れ値 — Isolation Forestで検出する対象
• ランダムフォレスト — アンサンブルツリーの仕組みを共有