基于自适应阈值的改进孤立森林算法研究与验证

魏斐斐

摘要：为改善孤立森林算法建立二叉树时随机选择属性进行数据分割，构建孤立森林时可能出现一些性能较差的冗余二叉树，导致模型精度不高的问题，应用一种区间套搜索算法对初始构建的孤立森林搜索森林划分阈值，去除性能较差的孤立二叉树，构建性能更优的孤立森林，提出一种自适应阈值的改进孤立森林算法（Adaptive-iForest） 。选取UCI经典数据集中Breastw、Ionosphere、Satellite、Shuttle、Pendigits 5个数据集进行实证分析，对比iForest、LOF两个算法，AdaptiveiForest算法的精度与AUC值均有不同程度提升。

关键词：异常数据检测；改进孤立森林算法；区间套搜索算法；自适应阈值；UCI数据集

中图分类号：TP301.6 文獻标识码：A

文章编号：1009-3044（2024）10-0020-03