Il cherche à maximiser la marge (hyperplan) entre les anomalies et les données normales.

Il regroupe les anomalies dans le plus gros cluster de la forêt aléatoire.

Il calcule la distance de chaque point au centroïde le plus proche pour mesurer l'anomalie.

Les anomalies étant rares et différentes, elles sont plus faciles à isoler et nécessitent moins de divisions (splits) dans les arbres.