我正在尝试检测某些数据中的异常情况。我有正常数据和被认为异常的数据。
我在 python 中使用来自 scikit-learn 库的隔离森林。我已经从正常数据创建了一个模型，如下所示：
model = IsolationForest(n_estimators=100, contamination=0.002)
model.fit(new_features)
当我尝试进行预测时：
predicted = model.predict(transformed_anomaly)
它工作正常。36 个中有 35 个被检测为异常。
如果我这样做：
for anomaly in transformed_anomaly:
predicted = model.predict(anomaly.reshape(1,-1))
突然间，所有点都被归类为内点。
我检查了'anomaly.reshape(1,-1)'的形状，它是 (1, 2)。'transformed_anomaly'的形状是 (36,2)
有人可以指出它的问题吗？
在隔离森林中传递 random_state= 0 以在每次运行时获得相同的结果。模型 = IsolationForest(n_estimators=100, 污染=0.002,,random_state= 0)
我还有一个解决方案 - 为什么不像这样修复种子值。
# Set a seed value
seed_value= 123
# 1. Set `PYTHONHASHSEED` environment variable at a fixed value
import os
os.environ['PYTHONHASHSEED']=str(seed_value)
# 2. Set `python` built-in pseudo-random generator at a fixed value
import random
random.seed(seed_value)
# 3. Set `numpy` pseudo-random generator at a fixed value
import numpy as np
np.random.seed(seed_value)
这将帮助您在相同的数据上每次都获得相同的结果，因为它消除了模型中的随机性。