Python sklearn IsolationForest用法及代碼示例

本文簡要介紹python語言中 sklearn.ensemble.IsolationForest 的用法。

用法:

class sklearn.ensemble.IsolationForest(*, n_estimators=100, max_samples='auto', contamination='auto', max_features=1.0, bootstrap=False, n_jobs=None, random_state=None, verbose=0, warm_start=False)

隔離森林算法。

使用IsolationForest算法返回每個樣本的異常分數

IsolationForest ‘isolates’ 觀察是通過隨機選擇一個特征，然後在所選特征的最大值和最小值之間隨機選擇一個分割值。

由於遞歸劃分可以用樹結構表示，因此隔離樣本所需的分裂次數等於從根節點到終止節點的路徑長度。

這個路徑長度，在這些隨機樹的森林上平均，是衡量正常性和我們的決策函數的指標。

隨機分區為異常產生明顯更短的路徑。因此，當隨機樹的森林共同為特定樣本產生較短的路徑長度時，它們很可能是異常的。

在用戶指南中閱讀更多信息。

參數：

n_estimators：整數，默認=100

集成中基本估計器的數量。

max_samples：“auto”, int 或浮點數，默認=”auto”

從 X 中抽取以訓練每個基本估計器的樣本數。

• 如果是 int，則繪製 max_samples 樣本。
• 如果浮點數，則繪製 max_samples * X.shape[0] 樣本。
• 如果 “auto”，那麽 max_samples=min(256, n_samples) 。

如果max_samples 大於提供的樣本數，則所有樣本將用於所有樹(不采樣)。

contamination：‘auto’ 或浮點數，默認='auto'

數據集的汙染量，即數據集中異常值的比例。在擬合時用於定義樣本分數的閾值。

• 如果‘auto’，閾值的確定與原論文相同。

• 如果浮點數，則汙染應在 (0, 0.5] 範圍內。

max_features：int 或浮點數，默認=1.0

從 X 中提取以訓練每個基本估計器的特征數。

• 如果是 int，則繪製 max_features 特征。

• 如果浮點數，則繪製max_features * X.shape[1] 特征。

bootstrap：布爾，默認=假

如果為 True，則單個樹適合替換采樣的訓練數據的隨機子集。如果為 False，則執行無放回抽樣。

n_jobs：整數，默認=無

fit 和 predict 並行運行的作業數。 None 表示 1，除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有處理器。有關更多詳細信息，請參閱術語表。

random_state：int、RandomState 實例或無，默認=無

控製森林中每個分支步驟和每棵樹的特征選擇和拆分值的pseudo-randomness。

傳遞 int 以獲得跨多個函數調用的可重現結果。請參閱詞匯表。

verbose：整數，默認=0

控製樹構建過程的詳細程度。

warm_start：布爾，默認=假

當設置為 True 時，重用上一次調用的解決方案以適應並向集成添加更多估計器，否則，隻需適應一個全新的森林。請參閱詞匯表。

屬性：

base_estimator_：ExtraTreeRegressor 實例

用於創建擬合sub-estimators 集合的子估計器模板。

estimators_：ExtraTreeRegressor 實例列表

擬合sub-estimators 的集合。

estimators_features_：ndarray 列表

每個基本估計器的繪製特征的子集。

estimators_samples_ndarray 列表

每個基本估計器的抽取樣本的子集。

max_samples_：int

實際樣本數。

offset_：浮點數

用於從原始分數定義決策函數的偏移量。我們有關係：decision_function = score_samples - offset_。 offset_ 定義如下。當汙染參數設置為“auto” 時，偏移量等於-0.5，因為內點的得分接近 0，而異常點的得分接近 -1。當提供不同於“auto”的汙染參數時，偏移量的定義方式是我們在訓練中獲得預期的異常值(決策函數<0的樣本)數量。

n_features_int

已棄用：屬性 n_features_ 在版本 1.0 中已棄用，並將在 1.2 中刪除。

n_features_in_：int

擬合期間看到的特征數。

feature_names_in_：ndarray 形狀(n_features_in_，)

擬合期間看到的特征名稱。僅當 X 具有全為字符串的函數名稱時才定義。

注意：

該實現基於 ExtraTreeRegressor 的集合。每棵樹的最大深度設置為 ceil(log_2(n))，其中 \(n\) 是用於構建樹的樣本數量(更多詳細信息請參閱 (Liu et al., 2008))。

參考：

1

Liu、Fei Tony、Ting、Kai Ming 和 Zhou，Zhi-Hua。 “隔離林。”數據挖掘，2008。ICDM'08。第八屆 IEEE 國際會議。

2

Liu、Fei Tony、Ting、Kai Ming 和 Zhou，Zhi-Hua。 “基於隔離的異常檢測。” ACM 從數據中發現知識的交易 (TKDD) 6.1 (2012)：3。

例子：

>>> from sklearn.ensemble import IsolationForest
>>> X = [[-1.1], [0.3], [0.5], [100]]
>>> clf = IsolationForest(random_state=0).fit(X)
>>> clf.predict([[0.1], [0], [90]])
array([ 1,  1, -1])