La méthode des forêts d'isolement (isolation forest) est une méthode ensembliste populaire de détection d'anomalies introduite dans Liu et al (2008) et reposant sur le principe selon lequel une donnée atypique est susceptible de pouvoir être isolée du reste de l'échantillon de manière automatique plus facilement qu'une donnée non atypique.
Ses propriétés restent toutefois assez peu connues. Qu'est-il possible de détecter efficacement par une forêt d'isolement ? Dans cet exposé, nous apportons quelques éléments de réponse au travers de l'étude de la fonction de scoring induite par une forêt d'isolement.
Références :
Liu, F. T., Ting, K. M., and Zhou, Z. (2008). Isolation Forest. 2008 Eighth IEEE International Conference on Data Mining.
