Explainable Unsupervised Anomaly Detection with Random Forest

要約

私たちは、類似性学習と監視なしの異常検出を改善するための監視されていないランダムフォレストの使用について説明します。
ランダムな森林をトレーニングすることにより、実際のデータ境界上の均一な分布からサンプリングされた実際のデータと合成データを区別することにより、データを変換してデータを変換し、データマニホールドの境界で距離を拡大する距離測定が取得されます。
この変換から回収された距離を使用すると、多数のベンチマークデータセットで実証された他の一般的に使用される検出器と比較して、監視されていない異常検出の精度が向上することを示します。
パフォーマンスの向上に加えて、この方法は、データの前処理のための最小限の要件、欠落データのネイティブ処理、視覚化の可能性など、他の監視されていない異常検出方法よりも利点があります。
外れ値のスコアをランダムフォレストのパーティションに関連付けることにより、特徴の重要性という観点から、局所的に説明可能な異常予測の方法を開発します。

要約(オリジナル)

We describe the use of an unsupervised Random Forest for similarity learning and improved unsupervised anomaly detection. By training a Random Forest to discriminate between real data and synthetic data sampled from a uniform distribution over the real data bounds, a distance measure is obtained that anisometrically transforms the data, expanding distances at the boundary of the data manifold. We show that using distances recovered from this transformation improves the accuracy of unsupervised anomaly detection, compared to other commonly used detectors, demonstrated over a large number of benchmark datasets. As well as improved performance, this method has advantages over other unsupervised anomaly detection methods, including minimal requirements for data preprocessing, native handling of missing data, and potential for visualizations. By relating outlier scores to partitions of the Random Forest, we develop a method for locally explainable anomaly predictions in terms of feature importance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google