Isolation Forest Robusto

Robust Isolation Forest estende il classico rilevatore di anomalie Isolation Forest con strategie che riducono la sensibilità alla contaminazione dei dati, agli effetti di mascheramento e agli split casuali distorti. Incorporando meccanismi di robustezza — come un campionamento migliorato, la rivalutazione delle regioni sospette o lo splitting corretto per il bias — ottiene punteggi di anomalia più affidabili quando i dati di addestramento contengono una frazione non trascurabile di anomalie o quando specifiche distribuzioni delle feature causano all'iForest standard la produzione di lunghezze di percorso inaffidabili.