Isolation Forest nasıl çalışır, sensör verisinde ne işe yarar?

Temel mantık: neden yalıtmak kolaydır?

Yöntem bir tabloyu rastgele seçilen bir sütun ve rastgele bir kesme değeriyle ikiye böler. Her yaprakta tek nokta kalana ya da bir derinlik sınırına ulaşılana dek bölme sürer. Yoğun normal veri, bir noktayı komşularından ayırmak için çok bölme ister. Nadir ve farklı noktalar ise birkaç bölmede tek başına kalır.

Her ağaç, eğitim verisinden küçük bir rastgele alt kümeyle kurulur; yaygın varsayılan 256 noktadır. Bir x noktası için tüm ağaçlardaki ortalama yol uzunluğu E[h(x)] hesaplanır. Skor s(x) = 2^(−E[h(x)]/c(n)) ile bulunur. Burada c(n), n noktalık bir ikili arama ağacında başarısız bir aramanın ortalama yol uzunluğudur ve n, ağaçları kurarken kullanılan alt küme boyutudur. Skor 1’e yakınsa nokta çok yalıtılmıştır; yaklaşık 0,5 ise belirgin bir ayrım yoktur.

Hipotetik pompa örneği

Varsayımsal bir pompada beş sensör var: titreşim, yatak sıcaklığı, akış, basınç ve motor akımı. Eğitim için 4 000 normal satır kullanılıyor. Mühür (seal) değiştirildikten sonra 6 satır model tarafından işaretleniyor.

Diyelim ki bu 6 satırın ortalama yol uzunluğu 4,0 çıktı. Alt küme boyutu 256 olduğu için c(256) ≈ 10,25. Skor 2^(−4,0/10,25) ≈ 0,76 olur. Tipik bir normal satırın yol uzunluğu c(n) yakınındadır, dolayısıyla skoru yaklaşık 0,50’dir. İşaretlenen satırlar normal satırlardan belirgin biçimde yüksek skorludur.

Contamination değeri 0,002 seçilirse, eşik eğitim verisinin yüzde 0,2’sinin, yani 4 000 satırın 8’inin dışarıda kalacağı yere konur. Bu değer bir ölçüm değil, mühendisin seçtiği bir ayardır.

Sınırlar ve sık yapılan hatalar

Yöntem zamanı bilmez. Satırları bağımsız kabul eder; 6 işaretli satırın ardışık olması modelin kendisi için bir bilgi değildir. Rejim değişiminde ya da sürüklenmede model son normal verilerle yeniden eğitilmelidir. Her değişkende tek başına normal görünüp birlikte yanlış olan kombinasyonları yakalamakta da zayıftır.

Sık hatalar şunlardır. Contamination, gerçek arıza oranı sanılır; oysa o bir eşik ayarıdır. Eğitim penceresinde bakım öncesi ve sonrası rejimler karışırsa, model iki rejimin ortalamasını normal sanabilir. Bir uyarının nedenini açıklamak için, hangi sensörün medyandan en çok saptığına ya da hangisinin en az bölmeyle yalıtıldığına bakılmalıdır.

Sık sorulanlar