[Scikit-Learn] 30. Isolation Forest (feat. IsolationForest)

---

Isolation Forest는 이진 탐색 나무를 이용하여 데이터의 이상치 여부를 판단하게 해주는 알고리즘이다. Scikit-Learn(sklearn)에서는 IsolationForest 클래스를 이용하면 Isolation Forest 알고리즘을 수행할 수 있다. 이번 포스팅에서는 IsolationForest의 사용법을 알아본다.

 

Isolation Forest에 대한 개념은 아래 포스팅을 참고하기 바란다.

 

44. Isolation Forest에 대해서 알아보자.

44. Isolation Forest에 대해서 알아보자.

---

   IsolationForest

먼저 시뮬레이션용 데이터를 만들어준다. 원래 Isolation Forest는 label이 없어도 동작하는 알고리즘이지만 여기서는 이상치를 잘 잡아내는지 확인하기 위하여 label을 만들어준 것이다.

 

import matplotlib.pyplot as plt
plt.rcParams['axes.unicode_minus'] = False
import numpy as np

from sklearn.model_selection import train_test_split

## 데이터 생성
n_samples, n_outliers = 120, 40
rng = np.random.RandomState(0)
covariance = np.array([[0.5, -0.1], [0.7, 0.4]])
cluster_1 = 0.4 * rng.randn(n_samples, 2) @ covariance + np.array([2, 2])  
cluster_2 = 0.3 * rng.randn(n_samples, 2) + np.array([-2, -2])
outliers = rng.uniform(low=-4, high=4, size=(n_outliers, 2))

## X 데이터
X = np.concatenate([cluster_1, cluster_2, outliers]) 
## 라벨 1: 정상, -1: 이상치
labels = np.concatenate([np.ones((2 * n_samples), dtype=int), -np.ones((n_outliers), dtype=int)])

 

데이터를 시각화해 보자.

 

fig = plt.figure(figsize=(8,8))
fig.set_facecolor('white')
ax = fig.add_subplot()
ax.scatter(X[:, 0], X[:, 1], c=labels)
plt.show()

 

이제 IsolationForest의 사용방법을 알아보자. 굉장히 간단하다. 나무 개수 n_estimators, 샘플링 사이즈 max_samples를 설정하고 fit 메서드에 데이터를 넣어주면 끝난다.

 

from sklearn.ensemble import IsolationForest

i_forest = IsolationForest(
                n_estimators=100, ## 트리 개수
                max_samples=256 ## 샘플링 사이즈
            ).fit(X)

 

이제 예측 성능을 살펴보자. 예측은 predict 메서드를 이용하며 이상치 점수는 score_samples 메서드를 이용한다. 이때 score_samples는 음수 부호가 붙어서 나오므로 이를 양수로 바꿔줘야 한다.

 

print('정확도 :', np.mean(labels==i_forest.predict(X)))
print('이상치 점수 상위 5개: ', -np.sort(i_forest.score_samples(X))[:5])

 

 

정확도가 98.5%가 나왔고 상위 이상치 점수가 0.7보다 크다는 것을 알 수 있다.

---