Event description
L’Anomaly Detection è una branca del Machine Learning di grande rilevanza in numerosi ambiti applicativi, tra cui quello medico (ad esempio per l’identificazione di anomalie nei tracciati ECG). L’obiettivo è identificare le istanze che si discostano significativamente dal comportamento normale di un dataset di riferimento. In molti contesti, è inoltre fondamentale rilevarle tempestivamente per prevenire conseguenze potenzialmente impattanti. Tra i numerosi approcci presenti in letteratura, molti si basano su Random Forest, sfruttandone la flessibilità, la robustezza e la capacità di generalizzazione. Il più noto è l’Isolation Forest, un metodo non supervisionato basato sull’isolamento delle anomalie. Da esso sono derivate diverse estensioni, tra cui versioni per dati non vettoriali, nuovi metodi per il calcolo dell’anomaly score e, più recentemente, studi dedicati all’analisi della stabilità del modello.
Il seminario offrirà una panoramica di tali metodologie, illustrando come gli approcci basati su Random Forest rappresentino un modo robusto per affrontare il problema dell’Anomaly Detection.