Ensemble Isolation Forest (Ensemble-Isolationswald)

Ensemble Isolation Forest trainiert mehrere Isolation Forest-Modelle – jedes mit unterschiedlichen Zufalls-Seeds, Subsampling-Raten oder Kontaminationsparametern – und kombiniert deren Anomalie-Scores, um ein stabileres, robusteres Anomalie-Ranking zu erzielen. Durch Mittelung oder Aggregation über mehrere unabhängige Isolation Forests reduziert die Methode die Varianz, die jedem einzelnen Forest innewohnt, und liefert eine zuverlässigere Ausreißererkennung auf komplexen oder hochdimensionalen Daten.