问题标签 [isolation-forest]

对于一个研究项目，我正在使用隔离森林算法。该算法的开发者利用了二叉搜索树理论。他们指出，二叉搜索树 (c(n)) 中不成功搜索的平均深度定义为：

c(n)=2H(n-1)-(2(n-1)/n)

其中 H(n-1) 是谐波数，可以通过 ln(n-1)+0.5772156649（欧拉常数）估计，n 是树中的终端节点数。

有人可以（数学上）解释这些公式的来源吗？

我对隔离森林如何处理图像有点困惑。我的问题如下：

我有很多图像，其中一些图像的某处有彩色点状异常。我想检测到它并在它周围放置一个边界框。隔离林是一个好方法吗？

我正在尝试在 scikit-learn 中使用 IsolationForest 算法，并且我对计算出的分数感兴趣。但是打电话时score_samples()我没有得到我期望的分数。

这是我的数据图：

这是调用时 IsolationForest 算法的相应分数图score_samples()：

如您所见，这两个系列对于右边最后 100 个值的几乎每个值都有相同的分数。为什么？我希望他们是不同的。

此外，还有几个分数低于最后 100 分，这表明它们更有可能是异常情况。但在系列图中，它们更接近拟合数据。这是为什么？

最后，在最后 100 分的两个分数系列中存在差异。就好像有一个他们不能超过的最低分值（尽管之前的一些分数做到了？）

我查看了分数公式和 Scikit-Learn 文档中引用的论文，但这并没有让我更接近答案。

得分这种行为的原因是什么？是否有任何变通方法来获得更“合理”的分数指标？理想情况下，我想要一个在 (0, 1) 范围内的分数。

这是用于生成两个数据系列的代码：

这是用于生成 IsolationForest 算法分数的代码：

我正在尝试运行此代码并获取此错误 .m 数据如下所示

TypeError: 不能从 [datetime64[ns, UTC]] 到 [int32] 键入 datetimelike

桌子是空的

在我们创建树（iTrees）的部分中，我不明白为什么我们使用以下分类代码行（与决策树分类非常相似）：

我们正在选择最后一列和最大唯一元素的索引值？这可能对决策树有意义，但我不明白为什么我们在隔离林中使用它？

整个 iTree 代码如下所示：

编辑：这是数据和运行分类数据的示例：

假设我IsolationForest()在基于时间序列的 Dataset1 或 dataframe1 上拟合来自 scikit-learn 的算法，并使用此处和此处df1提到的方法保存模型。现在我想为新的dataset2 或.df2

我的发现：

• 这个关于从 sklearn 进行增量学习的解决方法：

...从小批量实例中增量学习（有时称为“在线学习”）是核心外学习的关键，因为它保证在任何给定时间，主实例中只有少量实例记忆。为平衡相关性和内存占用的小批量选择合适的大小可能涉及调整。

但遗憾的是 IF 算法不支持estimator.partial_fit(newdf)

• 根据这篇文章， auto-sklearn 优惠refit()也不适合我的情况。

如何使用新的 Dataset2 更新在 Dataset1 上训练和保存的 IF 模型？