Robust Isolation Forest

Robust Isolation Forest estende o detector de anomalias clássico Isolation Forest com estratégias que reduzem a sensibilidade à contaminação de dados, efeitos de mascaramento e divisões aleatórias enviesadas. Ao incorporar mecanismos de robustez — como subamostragem aprimorada, reponderação de regiões suspeitas ou divisão com correção de viés — ele alcança pontuações de anomalia mais confiáveis quando os próprios dados de treinamento contêm uma fração não trivial de anomalias ou quando distribuições de características específicas fazem com que o iForest padrão produza comprimentos de caminho não confiáveis.