アンサンブル・アイソレーション・フォレスト

アンサンブル・アイソレーション・フォレストは、複数のアイソレーション・フォレスト・モデル（それぞれ異なる乱数シード、サブサンプリング率、または汚染パラメータで訓練される）を訓練し、それらの異常スコアを結合して、より安定した頑健な異常ランキングを生成します。複数の独立したアイソレーション・フォレスト間で平均化または集約することにより、この手法は単一フォレストに固有の分散を低減し、複雑または高次元のデータに対してより信頼性の高い外れ値検出を実現します。