我正在研究异常值检测中的不同方法。我遇到了 sklearn 的 Isolation Forest 实现和 Amazon sagemaker 的 RRCF（Robust Random Cut Forest）实现。两者都是基于决策树的集成方法，旨在隔离每个点。隔离步骤越多，该点就越有可能成为内点，反之亦然。
但是，即使查看了算法的原始论文，我也无法准确理解两种算法之间的区别。它们的工作方式有何不同？它们中的一个比另一个更有效吗？
编辑：我正在添加研究论文的链接以获取更多信息，以及一些讨论这些主题的教程。
隔离森林：
健壮的随机砍伐森林：
python outliers scikit-learn anomaly-detection amazon-sagemaker