机器学习之异常检测–孤立森林（Isolation Forests, iForests）异常检测在机器学习领域内的应用场景广泛。比如帮助银行参与检测是否洗钱，识别金融欺诈，帮助保险领域识别是否可能骗保以及监测网络入侵等等。iForests是异常检测中的一种离群检测方法，可以明确地分离异常样本。与随机森林由大量决策树组成一样，iForests也由大量的树组成。iForest算法是一种基于相似度的模型，

Logistic回归虽然名字叫”回归” ，但却是一种分类学习方法。使用场景大概有两个：第一用来预测，第二寻找因变量的影响因素。一、从线性回归到Logistic回归线性回归和Logistic回归都是广义线性模型的特例。假设有一个因变量y和一组自变量x1, x2, x3, … , xn，其中y为连续变量，我们可以拟合一个线性方程：y =β0 +β1x1 +β2x2 +β3x3 +…+βnxn并通过最小