python - 如何在python中使用隔离森林

Question

我正在检测未标记数据集中的异常值（数据未标记为内点/异常值），并且我正在 Python 中使用隔离森林（scikit-learn 库）。
我想获得数据集中数据的异常分数，因此我使用以下代码：

if_model = IsolationForest(max_samples=100)
if_model.fit(dataset)
anomaly_score = if_model.score_samples(dataset)

但是我有一些问题：

• 前面的过程是否正确，或者我应该将我的数据集分成两部分，以在一组上执行拟合并在另一组上获得异常分数？
• 该方法的用途是什么predict？我应该如何使用它？

Answer 1

• 要回答您的第一个问题，您不需要拆分数据集。监督算法需要测试集。如果您对数据中的每一行都有预期结果，则可以将模型的输出与预期结果进行比较，以评估模型的执行情况。该数据不能用于拟合模型，或者模型可能很好地拟合这些特定的数据行而不拟合其他数据，而您不会知道。然而，隔离森林是一种无监督算法。您没有用于比较隔离林结果的异常行列表，因此没有必要保留数据来验证模型是否有效。

• 要回答第二个问题，predict就每一行是否以数组的形式出现异常给出是或否（1 或 0）答案。 score_samples返回一个数字，表示每行的异常程度，但不告诉您它是否异常。请参阅sklearn 文档。