Ансамбль Isolation Forest

Ансамбль Isolation Forest обучает несколько моделей Isolation Forest — каждая с различными случайными начальными значениями (seed), коэффициентами подвыборки или параметрами загрязнения — и объединяет их оценки аномальности для получения более стабильного и надежного ранжирования аномалий. Усредняя или агрегируя результаты нескольких независимых лесов изоляции, метод снижает дисперсию, присущую любому отдельному лесу, и обеспечивает более надежное обнаружение выбросов на сложных или многомерных данных.