深秋的果园里，老李对着一筐青苹果发愁：要捡出混在里面的烂苹果，可这些苹果没标签、没照片，他也说不清“烂的究竟长什么样”。他想到一个笨办法——蒙上眼睛，随手抽出一把刀，对着筐子横一刀、竖一刀，把空间切成越来越小的格子。奇怪的事发生了：好苹果你挨着我、我挨着你，要切十几刀才能把它们单个分开；那一两颗烂苹果，因为颜色怪、气味冲，孤零零待在角落，往往两三刀就“落单”了。老李恍然大悟：判断苹果好坏，根本不用先定义“什么是烂”，只要看“把它单独切出来需要几刀”就行。这正是孤立森林 iForest 的全部秘密。它不跟你讲“正常的模样”，只问一句话：这颗苹果，是躲在大部队里，还是早就独自站在角落？接下来，我们跟着老李的刀，看看这片森林的每一道年轮。

岗位关联

掌握 iForest，等于给无标签世界装上一双“一眼识别局外人”的眼睛——这是风控、安全、运维等 AI 工程岗位的高频基本功。

目录
  1. 可视化演示
  2. 算法原理：快刀为何能挑出烂苹果
  3. 构建流程：如何种出一片孤立森林
  4. 得分计算：给每颗苹果打异常分
  5. 核心参数：四把刻度尺
  6. 性能特性：快在哪里，又怕什么
  7. 应用场景：风控、安全、监控里的挑果人
  8. 变体优化：更锋利的新刀
  9. 对比总结：何时该用这把刀
  10. AI 应用场景
  11. Python 演示
  12. 常见误区
  13. 面试题

可视化演示

展示系统处理流水线、实时性能指标曲线及多方案对比分析，包含数据流转、吞吐延迟监控与方案评估。

本节配有交互动效（进入视口后自动加载，约 3KB）。

系统可视化 处理流程：输入→处理→模型→输出 性能监控：实时指标 P=L×T

算法原理：快刀为何能挑出烂苹果

老李把切苹果的发现教给了儿子小李。小李问：“为什么烂苹果总是先落单？”老李说：“因为正常苹果彼此太像，挤成一团；那几颗异类，既少又不同，天生就站在角落。随机切几刀，先被单独切出来的，总是它们。”

换成数据语言：iForest 假设异常样本有两个共同点——“少”（占比极小）和“不同”（分布偏离主流）。算法不比较距离、不算密度，而是用随机切分把空间割成小格，每颗样本落进一个格；从根到样本所在格的“切割次数”，就是路径长度 h(x)，字面意思就是“几刀落单”。

单棵随机树叫孤立树（iTree），一大片叫孤立森林。每棵树只在随机采样的子集上生长，节点递归挑选特征与切割点。异常点容易落单，h(x) 通常很小；正常点要切很多刀，h(x) 偏大。为了抵消随机性，用多棵树取平均，得到平均路径长度。

小李听完恍然大悟：“所以森林里树多，不是要人多，是要大家投票，别让一棵树的坏运气带偏。”老李点头——正是这个道理。iForest 把“孤立的快慢”变成数字，接下来的任务，是把这套切法变成一棵棵真实的树。

E[h(x)]=1t∑i=1thi(x)\displaystyle \mathbb{E}[h(x)] = \frac{1}{t} \sum_{i=1}^{t} h_i(x)
公式说的是把样本 x 丢进 t 棵随机树，记录每棵树的路径长度，再算平均数；数字越小，x 越像“几刀就被切出来的烂苹果”。
  1. 期望记号$\mathbb{E}[h(x)]$ 表示样本 x 的“平均路径长度”，这是判断异常的核心指标。
    E[h(x)]\mathbb{E}[h(x)]
  2. 求和符号把 x 在每一棵孤立树里得到的路径长度全部累加起来。
    ∑i=1thi(x)\sum_{i=1}^{t} h_i(x)
  3. 取平均除以树的棵数 t，抹平单棵树的随机抖动，森林的结论才稳定。
    1t\frac{1}{t}

构建流程：如何种出一片孤立森林

老李开始动手造“切苹果的机器”。机器的工作流程就三步：先随机抱一小筐苹果出来（采样），再闭眼选一个角度（选特征），然后沿这个角度随机切一刀（选切割值）；切完之后，对切出的两半各自重复同样的动作。

对应到 iTree 的递归生长：从根节点开始，随机挑选特征 q，在该特征当前取值范围内随机取一个切割点 p，把样本按 x_q < p 分成左右两支；左右两支各自递归，直到一个节点只剩一个样本，或达到深度上限。整个构建过程不需要任何标签，也不需要算两两距离。

深度上限的经验值是 L = ⌈log₂ψ⌉，其中 ψ 是采样大小。这样每棵树都“短小精悍”，异常点能快速沉到底部。多棵这样的树凑成森林，切分点的随机性由下面的公式给出。

老李边装机器边感叹：“这些树从不多想，见什么切什么。正因为傻，才不看人脸色。”在数据里，这份“傻”恰恰是优势——不用先定义正常，异常自己会暴露出来。

p∼U(min⁡x∈Dxq, max⁡x∈Dxq)\displaystyle p \sim U\left(\min_{x \in D} x_q,\ \max_{x \in D} x_q\right)
一棵树每次只选一个特征，在这个特征的最小值和最大值之间随便挑一刀，完全不看“苹果长什么样”。
  1. 切割点 pp 是第 q 个特征上的一次随机切割值，样本按它分成左右两支。
    pp
  2. 均匀分布 U在给定区间内每个位置被选中的概率都相同，保证切割完全随机。
    U(⋅)U(\cdot)
  3. 取值范围切割点只在当前节点样本的最小值与最大值之间挑选，确保左右两格都不空。
    min⁡x∈Dxq, max⁡x∈Dxq\min_{x\in D} x_q,\ \max_{x\in D} x_q

得分计算：给每颗苹果打异常分

机器装好了，老李要给每颗苹果打分：分越高越像烂果。评分逻辑很简单——先看这颗苹果平均被几刀切出来，再和一个“普通人”做比较，看它落单得有多“反常”。

这个“普通人”就是完全随机二叉树的平均搜索路径 c(n)，它只与总样本数 n 有关。有了基准，就能把“平均几刀”换算成一个 0 到 1 之间的异常得分。什么分数算可疑？原始论文给出经验线：得分超过 0.6 高度可疑，低于 0.5 基本正常，0.5 附近说明落单速度与随机无异。

老李给机器挂上一只“嫌疑筐”：超过 0.6 直接进筐。试验那天，十颗烂果靠着高速落单被一颗颗点亮——这就是异常得分的魔力。

s(x,n)=2−E[h(x)]c(n),c(n)=2H(n−1)−2(n−1)n\displaystyle s(x, n) = 2^{-\frac{\mathbb{E}[h(x)]}{c(n)}}, \qquad c(n) = 2H(n-1) - \frac{2(n-1)}{n}
如果平均不到几刀就落单，指数部分为负且绝对值大，得分迅速逼近 1，异常嫌疑极高；若路径与普通人差不多，得分就徘徊在 0.5 附近。
  1. 异常得分 ss(x,n) 取值在 (0,1]，越接近 1 越异常，越接近 0 越正常。
    s(x,n)=2−E[h(x)]c(n)s(x,n) = 2^{-\frac{\mathbb{E}[h(x)]}{c(n)}}
  2. 归一化基准 c(n)等价于在 n 个叶子上随机二叉搜索的平均查找路径，是一个只与数据量有关的常数。
    c(n)=2H(n−1)−2(n−1)nc(n) = 2H(n-1) - \frac{2(n-1)}{n}
  3. 调和数 HH(n-1)=1+1/2+……+1/(n-1)，用来近似二叉搜索树的平均路径，大样本时 c(n)≈ln(n-1)+γ。
    H(n−1)=∑k=1n−11kH(n-1) = \sum_{k=1}^{n-1} \frac{1}{k}

核心参数：四把刻度尺

机器虽好用，老李却得先回答四个问题：种多少棵树？每筐抱多少苹果？每棵树看几个特征？筐里大概有几个烂的？这四个答案，就是 iForest 的核心参数。

树数量 t（n_estimators）：默认 100 棵，太少抖动大，太多浪费算力；采样大小 ψ（sample_size）：默认 256，既够用又让每棵树小巧；特征数（max_features）：默认用全部特征或 log₂ 个，控制每棵树的视角；污染率（contamination）：你对“烂苹果比例”的业务预判，用来反推判定阈值。

特别提醒：contamination 不是“期望的误报率”随便填，它直接影响 predict 阶段阈值；设成 0 会让阈值定得极高，等于把烂果全部放过。它和阈值的关系由下面的公式描述。

老李把四把刻度尺刻在机身上：“树数管稳定，采样管效率，特征管角度，污染管收口。”调好参数，机器才算真正属于这片果园。

r^=1N∑i=1NI(s(xi,n)>θ)\displaystyle \hat{r} = \frac{1}{N}\sum_{i=1}^{N} \mathbb{I}\big(s(x_i, n) > \theta\big)
污染率 r 是“把前多少比例的苹果判为异常”的业务预期；给定 r 后，模型按得分从高到低数出相应数量，从而确定阈值 θ。
  1. 指示函数当括号里的条件成立时取 1，否则取 0，用来统计“被判为异常”的样本个数。
    I(⋅)\mathbb{I}(\cdot)
  2. 异常占比对所有样本求和再除以 N，得到当前阈值下的异常比例。
    1N∑i=1N\frac{1}{N}\sum_{i=1}^{N}
  3. 阈值反推调小 θ 则抓得多、误报多；调大 θ 则抓得少、漏报多。contamination 帮你把 θ 定在“业务能接受的比例”处。
    s(xi,n)>θs(x_i,n) > \theta

性能特性：快在哪里，又怕什么

老李的机器比隔壁王婶的人工捡果快出天际。王婶挑一颗要看颜色、闻气味、掂重量，老李的机器闭眼切就行。快，是孤立森林的第一张王牌。

它从不计算样本两两距离，也没有任何密度估计；每棵树只是在随机子样本上做递归二分。训练开销只与“树数 × 采样 × 树高”有关，对全量样本规模近似线性，非常适合海量数据的批量扫描与在线打分。

但机器也有两条红线：一是高维数据下，好苹果坏苹果的落单速度被拉得差不多，分数全挤在 0.5 附近；二是异常如果成串抱团出现（连片烂果），随机切分反而不容易第一刀见血。老李在机身上贴了张条：快而省，怕高维，躲成群。

O(t⋅ψ⋅log⁡ψ)\displaystyle O\big(t \cdot \psi \cdot \log \psi\big)
括号里是三个乘数：树的数量 t、每棵树用到的样本数 ψ、树的深度上限 logψ。三者都不随全量数据 n 暴涨，所以训练又快又省。
  1. 树的数量 t森林中孤立树的总数，直接放大训练与打分的总工作量。
    tt
  2. 采样大小 ψ每棵树只接触 ψ 个样本，这是“潜行”的根源——树永远不用看完全部数据。
    ψ\psi
  3. 树高对数项每棵树深度限制为 logψ，切分计算随深度线性叠加，取对数后增长非常缓慢。
    log⁡ψ\log \psi

应用场景：风控、安全、监控里的挑果人

机器名声传开，镇上三家单位都来请老李“挑果”：银行要挑盗刷交易，运营商要挑攻击流量，工厂要挑坏掉的传感器。老李把机器搬上三轮车，挨家试刀。

这些场景有个共同点：异常极少、花样翻新、标签难找。银行交易里欺诈占 0.01%；网络流量里攻击模式天天变；传感器故障没有足够历史样本。iForest 不挑食，先按得分排序，把 Top 0.1% 捞出来送人工复核，效率和召回都立竿见影；还有人把它当“清洁工”，清洗训练集里脏样本。

酒席上老李总结：“哪里的烂苹果又少又邪门，哪里就适合我。”金融、安全、运维正是这样的三块地——异常检测的第一站，永远是先找“局外人”。

y^(x)={1,s(x,n)>θ0,s(x,n)≤θ\displaystyle \hat{y}(x) = \begin{cases} 1, & s(x,n) > \theta \\ 0, & s(x,n) \le \theta \end{cases}
这就是“切一刀判定”：得分超过阈值 θ 就直接判异常，否则放行。θ 一般取 0.6 附近，也可以由污染率倒推。
  1. 判定输出$\hat{y}(x)$ 是模型对样本 x 的最终决定，1 代表异常、0 代表正常。
    y^(x)\hat{y}(x)
  2. 分段函数得分高于阈值输出 1，否则输出 0，等价于老李把苹果投进“嫌疑筐”还是“合格筐”。
    {1,s(x,n)>θ0,s(x,n)≤θ\begin{cases} 1, & s(x,n) > \theta \\ 0, & s(x,n) \le \theta \end{cases}
  3. 阈值 θ业务含义是“宁愿多抓也不放过”还是“宁缺毋滥”，需要结合误报成本来调整。
    θ\theta

变体优化：更锋利的新刀

日子一久，老李发现只会“横切竖切”的机器，遇到斜着排的苹果堆就费刀。村里的工程师小张给出妙计：让刀学会斜着切。

这就是 Extended iForest 的思想——不再把切割面限制成垂直于坐标轴，而是给每个特征配一个随机权重 w，用加权和构造任意方向的切割超平面。斜切能更好地贴合任意方向的分布形态，在高维稀疏数据上显著提升分数区分度。

小张还带了另外两把新刀：流式孤立森林（Streaming iForest）逐批喂数据、用滑动窗口淘汰旧样本，做到在线检测；多粒度孤立森林（Multi-Granularity iForest）自动扫描特征子集，把“选角度”也变成学习对象。他顺手用网格搜索把污染率和树数一起调优。小张看着果园说：“刀越锋利，能切的果园就越大。”

∑j=1dwjxj≤p,wj∼N(0,1)\displaystyle \sum_{j=1}^{d} w_j x_j \le p, \qquad w_j \sim \mathcal{N}(0, 1)
左边是一把“歪着拿的刀”：每个特征乘一个随机权重再加起来，相当于把空间旋转、拉伸后再切；w 就是各方向上的倾斜幅度。
  1. 加权和切割面用所有特征的线性组合定义切割边界，切割不再平行于坐标轴。
    ∑j=1dwjxj\sum_{j=1}^{d} w_j x_j
  2. 随机权重每个特征的权重独立从标准正态分布里抽一个数，保证方向随机均匀。
    wj∼N(0,1)w_j \sim \mathcal{N}(0,1)
  3. 阈值 pp 与基础 iForest 类似，在该节点样本的“加权和”区间内均匀采样。
    ≤p\le p

对比总结：何时该用这把刀

集市上卖检测工具的很多：统计派用“三西格玛”只认单列，距离派用 LOF 非要算远近，聚类派得先数清有几堆。老李掂了掂自己的刀，给出选型标准。

异常又少又怪、维度不高、要求快——iForest 首选；异常成串、局部密度不均明显——LOF 更稳；单变量问题——3σ 就够。高维场景呢？先 PCA 或特征筛选降维，再换 Extended 变体上门。为什么高维会退化，数学直觉就藏在下面这个极限里：维度一高，平均路径和基准路径几乎相等，得分全部挤到 0.5 附近，阈值形同虚设。

老李把结论刻在木牌上：“快而准，怕高维，躲成群。”何时选孤立森林？回到故事的开头——在无标签的世界里，先问一句：谁，最早落单？

E[h(x)]c(n)→1⟹s(x,n)→0.5\displaystyle \frac{\mathbb{E}[h(x)]}{c(n)} \to 1 \quad \Longrightarrow \quad s(x,n) \to 0.5
维度越高，所有点的“落单速度”都向随机基准靠拢，异常得分被压到 0.5 附近——就像烂苹果混进一堆同样稀稀拉拉的苹果里，切几刀都看不出差别。
  1. 比值趋近 1平均路径与基准路径几乎相等，意味着好坏苹果的落单速度不再有差别。
    E[h(x)]c(n)→1\frac{\mathbb{E}[h(x)]}{c(n)} \to 1
  2. 推出号箭头表示必然推论，比值趋近 1 直接导致得分退化。
    ⟹\Longrightarrow
  3. 得分退化到 0.52⁻¹ = 0.5，所有样本分数挤在 0.5 附近，阈值失去了分辨力。
    s(x,n)→0.5s(x,n) \to 0.5

AI 应用场景

银行卡里的「烂苹果」：金融反欺诈

阶段：无监督建模与数据预处理

解决的问题：欺诈交易占比极小、标签滞后且不断翻新，传统规则引擎只能拦截已知套路。iForest 不需要标签，直接对交易特征打分，把“最早落单的苹果”先捞出来，再送人工复核。

具体案例：某支付平台对每笔交易提取金额、频次、设备指纹、时段等 30 维特征，建 100 棵树、采样 256，对千万级交易打分，Top 0.1% 送人工复核，欺诈资金拦截率提升约 3 倍。

网络里的「离群流量」：入侵检测

阶段：特征工程与异常识别

解决的问题：攻击流量特征多变、正样本奇缺，无法稳定标注。iForest 把连接时长、包大小、端口分布建模成“苹果特征”，快速标记偏离主流的会话。

具体案例：安全团队对防火墙日志做 15 维特征，用 iForest 检测横向移动与暴力破解：攻击会话的平均路径只有正常的 1/3，得分高于 0.8，误报率控制在 5% 以内。

机器提前「喊疼」：工业运维监控

阶段：数据清洗与故障预警

解决的问题：传感器数据噪声大、故障样本稀罕、人工阈值疲于应付。先用 iForest 清洗脏数据，把设备在异常工况下的无意义读数剔除，再做故障预警。

具体案例：某工厂上千台设备的温度、振动、电流传感器接入 iForest，识别出 0.2% 的离群读数；把这些读数对应的时刻集中排查，提前发现 3 台轴承的早期故障。

Python 演示

python91 行
import numpy as np  def _path_c(n):    if n <= 1:        return 0.0    return 2 * (np.log(n - 1) + 0.5772156649) - 2 * (n - 1) / n  class Node:    def __init__(self, size, depth):        self.size = size        self.depth = depth        self.split_feat = -1        self.split_val = 0.0        self.left = None        self.right = None  def build_tree(X, depth, max_depth):    n = X.shape[0]    node = Node(n, depth)    if n <= 1 or depth >= max_depth:        return node    feat = np.random.randint(X.shape[1])    lo, hi = X[:, feat].min(), X[:, feat].max()    if lo == hi:        return node    val = np.random.uniform(lo, hi)    left_idx = X[:, feat] < val    if left_idx.all() or not left_idx.any():        return node    node.split_feat = feat    node.split_val = val    node.left = build_tree(X[left_idx], depth + 1, max_depth)    node.right = build_tree(X[~left_idx], depth + 1, max_depth)    return node  def path_length(node, x, depth):    if node.split_feat < 0 or node.left is None:        return depth    if x[node.split_feat] < node.split_val:        return path_length(node.left, x, depth + 1)    return path_length(node.right, x, depth + 1)  class IsolationForest:    def __init__(self, n_trees=100, sample_size=256):        self.n_trees = n_trees        self.sample_size = sample_size        self.max_depth = int(np.ceil(np.log2(sample_size)))        self.trees = []     def fit(self, X):        n = X.shape[0]        m = min(self.sample_size, n)        for _ in range(self.n_trees):            idx = np.random.choice(n, m, replace=False)            self.trees.append(build_tree(X[idx], 0, self.max_depth))        return self     def average_depth(self, x):        total = 0.0        for tree in self.trees:            total += path_length(tree, x, 0)        return total / self.n_trees     def anomaly_score(self, X):        c = _path_c(self.sample_size)        scores = []        for x in X:            avg = self.average_depth(x)            scores.append(2 ** (-avg / c))        return np.array(scores)  if __name__ == "__main__":    rng = np.random.RandomState(42)    normal = rng.randn(300, 2) * 0.5    anomaly = rng.uniform(-4, 4, size=(10, 2))    X = np.vstack([normal, anomaly])     model = IsolationForest(n_trees=100, sample_size=128)    model.fit(X)    scores = model.anomaly_score(X)    top = np.argsort(scores)[::-1][:10]    print("得分最高的10条:")    for i in top:        flag = "注入异常" if i >= 300 else "正常样本"        print("idx=%3d  score=%.3f  %s" % (i, scores[i], flag))
目的：从零手写孤立森林，在合成数据（300 个正常点 + 10 个注入异常点）上训练打分，验证“落单越快、得分越高”的核心逻辑。
  1. val = np.random.uniform(lo, hi)在当前特征范围里随机挑一个切割点，等于老李闭眼切下的那一刀。
  2. left_idx = X[:, feat] < val把样本按“小于/大于切割点”分成左右两堆，对应苹果被分进两个格子。
  3. node.left = build_tree(X[left_idx], depth + 1, max_depth)对左堆继续递归切分，直到堆里只剩一个样本或到达深度上限。
  4. self.max_depth = int(np.ceil(np.log2(sample_size)))树高上限取 log₂ψ 的经验值，让每棵树短小精悍。
  5. idx = np.random.choice(n, m, replace=False)每棵树只随机抱一小筐样本，换一棵树换一筐，森林才有多样性。
  6. scores.append(2 ** (-avg / c))直接套用正文的异常得分公式：平均路径越短，得分越接近 1。
  7. model = IsolationForest(n_trees=100, sample_size=128)实例化模型：100 棵树、每棵 128 个样本，纯手工实现。

常见误区

误区想用 iForest 检测异常，得先准备好标好“正常/异常”的标签，不然它怎么知道我要找什么？

正解iForest 是无监督算法。它只利用“异常既少又不同”这个结构性假设，用随机切分测量“落单的快慢”，全程不需要任何标签。真有少量标签时，标签更适合用来事后校准阈值或评估效果，而不是喂给训练。老李挑烂苹果之前，也从没给苹果贴过标签。

为何常见：人们习惯“先教后测”的机器学习思维，看到“检测”两个字就以为必须有正例样本。

误区contamination=0 表示我不想有任何异常，这样模型就不会误报，最安全。

正解contamination 不是“期望误报率”，它是你对数据中异常占比的估计，直接决定 predict 阶段的阈值。设 0 会让阈值定得极高（甚至全判正常），把真实异常全部埋掉。要按业务对“烂苹果比例”的估计设置，并用验证集微调。

为何常见：低估了阈值的作用，以为它只影响“抓多抓少”，没意识到设 0 会直接掩盖问题。

误区随机森林树越多越准，iForest 反正也便宜，我直接建 5000 棵树总没错。

正解实验表明约 100 棵后异常得分已收敛，更多树主要换来计算量。真正影响效果的是采样大小与特征选择；树数拉满只会重复放大相同的随机切分模式，边际收益极低。

为何常见：把 bagging 类算法的经验直接平移到孤立森林，忽略了“单树很短、森林很齐”的特性。

误区s(x,n)=0.8 就是说这个样本有 80% 的概率是异常，可以当概率用。

正解s 是“相对异常程度”的单调刻画，不是统计概率。它衡量“落单速度相对于随机基准快多少”：0.5 表示无明显异常，接近 1 表示高度可疑。真正判定要靠排序 + 阈值/污染率，而不是把 s 当概率代入其他模型。

为何常见：分数范围在 0~1，天然让人联想到概率，而文档往往只给公式不给概率化解释。

误区iForest 在低维好用，那我把 1000 维特征全塞进去，它一定能抓到更细的异常。

正解维度升高后，随机切分被大量无关/噪声特征稀释，所有点的平均路径都向基准 c(n) 靠拢，分数挤在 0.5 附近失去区分度。应对方案：先做特征筛选/降维，换 Extended iForest，或用 Multi-Granularity iForest 自动选择特征子集。

为何常见：对“维度灾难”缺乏直觉，以为特征越多信息越多，忘了随机切分在冗余维度上会“迷路”。

面试题

Q1. 孤立森林 iForest 最核心的定位是？

单选题 · easy

  • A.用于有监督分类
  • B.无监督异常检测算法← 正确答案
  • C.用于半监督回归
  • D.深度生成网络模型

答案：B。iForest 是无监督异常检测算法，训练时不看标签，只靠“异常少而不同、易被随机切分快速孤立”的结构性假设。老李挑烂苹果前从不给苹果贴标签，切几刀就有了答案。A 说它是分类器，C 说半监督，D 说生成模型，都不符合定位。

Q2. iForest 判定异常的核心直觉是？

单选题 · easy

  • A.异常点远离大多数样本
  • B.异常点只需极少切分便孤立← 正确答案
  • C.异常点具有最大的特征值
  • D.异常点在低密度区域聚集

答案：B。iForest 不比较远近，也不算密度，而是用随机切分衡量“被单独切出来需要几刀”。异常点又少又不同，几刀就落单；A 是距离直觉，C/D 是其他算法的思路。真正的核心是“落单速度”，所以选 B。

Q3. 异常得分 s(x,n) 越接近 1 表示？

单选题 · easy

  • A.样本点越接近数据中心
  • B.样本点越可能是正常点
  • C.样本点越可能是异常点← 正确答案
  • D.样本数量变得越来越少

答案：C。得分定义在 (0,1]，平均路径越短，s 越接近 1，代表越异常。老李的得分牌上，越靠近 1 越要进“嫌疑筐”，所以选 C。A/B 描述的是正常点，D 与得分定义无关。

Q4. 孤立树的最大深度通常设置为？

单选题 · mid

  • A.等于采样大小的数值
  • B.向上取整的 log₂采样← 正确答案
  • C.数据总行数的一半
  • D.不受任何深度限制

答案：B。为了避免树无限长，iTree 设深度上限 L = ⌈log₂ψ⌉，这来自完全二叉树的期望高度，保证树的“短小精悍”。A 是采样大小本身，C/D 都不是正确的上限公式。

Q5. iForest 推荐采样大小 sample_size 是？

单选题 · mid

  • A.固定取全部数据量
  • B.通常 256 左右即可← 正确答案
  • C.必须大于特征数量
  • D.必须等于树的数量

答案：B。iForest 通过子采样兼顾效率与多样性，经验上 ψ=256 已能捕获正常与异常的形态。A 取全量会拖慢训练，C/D 的说法都没有依据。老李每筐只抱一小把苹果，不代表。

Q6. iForest 训练阶段的时间复杂度约为？

单选题 · mid

  • A.近线性 复杂度近似 O(tψlogψ)← 正确答案
  • B.平方级 计算量随样本暴涨
  • C.立方级 数据量大非常慢
  • D.指数级 几乎无法训练

答案：A。iForest 每棵树只在 ψ 个样本上生长、深度为 logψ，总训练复杂度约 O(t·ψ·logψ)，对全量 n 近似线性。B/C/D 都夸大了复杂度。速度优势正来自“不碰距离、只看子样本”。

Q7. 下列哪种数据场景 iForest 效果最差？

单选题 · hard

  • A.异常占比约千分之一
  • B.正常数据呈现球状分布
  • C.含数百维且噪声特征多← 正确答案
  • D.数据总量达到十万级别

答案：C。高维且含大量噪声特征时，随机切分被无关维度稀释，所有点路径向基准靠拢，分数挤在 0.5 附近，检测力大幅下降。极低异常占比、球状分布、大数据量都不是 iForest 的致命伤。

Q8. iForest 的三个核心超参数是？

多选题 · mid

  • A.树数量 n_estimators← 正确答案
  • B.采样大小 sample_size← 正确答案
  • C.污染率 contamination← 正确答案
  • D.学习率 learning_rate

答案：ABC。iForest 三大超参是树数量 t、采样大小 ψ、污染率 contamination（推阈值），分别对应正文里的“树数管稳定、采样管效率、污染管收口”。学习率是神经网络等梯度类模型的参数，与孤立森林无关，排除 D。

Q9. iForest 相比距离类方法的优势是？

多选题 · hard

  • A.无需计算两两样本距离← 正确答案
  • B.整体复杂度接近线性← 正确答案
  • C.需要预先给定异常标签
  • D.在高维空间天然最优

答案：AB。iForest 全程不计算两两距离，复杂度近线性，这两点相对 LOF 等距离类方法是明显优势。C 错在 iForest 是无监督、不需要标签；D 错在高维恰是 iForest 的软肋，并非“天然最优”。

Q10. 关于 iForest 得分公式，正确说法是？

多选题 · extreme

  • A.平均路径越短得分越近 1← 正确答案
  • B.c(n) 是归一化基准长度← 正确答案
  • C.路径趋近 c(n) 则得分 0.5← 正确答案
  • D.得分等于异常概率假设

答案：ABC。由 s = 2^(−E/c) 可得：E 越短分数越接近 1；c(n) 是归一化基准，只与样本量有关；当 E ≈ c 时 s ≈ 2⁻¹ = 0.5，故 A/B/C 正确。D 错在把相对得分当成统计概率——s 只能用于排序与阈值比较。