基于 Ensemble 的检测算法是什么？

iForest 算法是南京大学的周志华于 2010 年设计的一种异常检测算法，该算法利用 数据构建 iTree，进而构建 iForest，是一种无监督的检测算法，具有很好的效果，具体 可参见 http://www.cnblogs.com/fengfenggirl/p/iForest.html。 iForest 是由 iTree 构建而成的。iTree 是一种随机二叉树，其每个节点要么有两个子 节点，要么为叶子节点。对于给定的数据集 D，数据集中的所有的特征都是连续变量。iTree 建好以后，就可以对数据进行预测了，预测的过程就是将测试记录在 iTree 上 走一遍。iTree 能有效地检测异常点是基于异常点都很稀有这一假设的，异常点应该在 iTree 中很快被划分到叶子节点，因此，可以利用检测点被分入的叶子节点到根的路径长 度 h(x)来判断检测点 x 是否为异常点。在构建好 iTree 后，就可以构建 iForest。在构造 iForest 中的每棵树时，并不是要 将所有的数据都用上，而是随机采样，抽取一部分构造 iTree，并尽量保证每棵树都不相 同。事实上，如果 iTree 在构造时运用了很多数据点，反而不能得到很好的效果，这主 要是因为数据点会有重叠。因为由 iTree 变成了 iForest，所以 S(x,n)的计算公式也要改 变，将 h(x)变为 E[h(x)]，它就是检测点 x 在每棵树上的平均高度。iForest 算法在 Python 中有现成的包可以调用。 利用 iForest 算法进行判断时，如果检测点的孤立森林分数为正数，那么，检测点为 正常点；否则，检测点为异常点。以上内容摘自《应用智能运维实践（试读版）》电子书，点击https://developer.aliyun.com/ebook/download/367 可下载完整版