IsolationForest 的 Predict_proba

Question

我尝试使用隔离森林进行异常值检测（欺诈检测）。如果我运行下面的代码（使用训练集和测试集）：

from sklearn.ensemble import IsolationForest
iso = IsolationForest(random_state=0).fit(X_train)
isopred = iso.predict(X_test)

我得到一个数组：array([1, 1, -1, ..., 1, 1, 1]) 其中包含 1 或 -1。我如何使用可用于DecisionTreespredict_proba的内容。文档中是否有一个可用于 IsolationTree 的函数没有提到？

当我运行：iso.predict_proba(X_test)我收到此错误：

AttributeError：“IsolationForest”对象没有属性“predict_proba”

我正在搜索一个数组，它给出了预测属于哪个类（异常值或非异常值）的概率。

我的X_test样子：

A  B  C
11 1  0
11 3  0
11 0  1

和y_test.values.ravel()： array([0,0,1])

Answer 1

该模块中没有Predict_proba，因为它不使用概率将每个样本评估为异常值，而是使用分数。

查看您提供的文档，每个样本都使用具有以下公式的决策函数进行分类：

decision_function = score_samples - offset_. offset_

所以你可能想要的是Score_samples。使用样本数据：

X = [[-1.1], [0.3], [0.5], [100]]
iso = IsolationForest(random_state=0).fit(X)
iso_pred = iso.predict([[0.1], [0], [90]])
iso_scores = abs(iso.score_samples([[0.1], [0], [90]]))

结果是：

[ 1  1 -1] 
[0.33644293 0.35190077 0.62865009]

每个样本减去偏移量（默认=-0.5）后，如果返回结果为正，则为 inlier，否则为 outlier。

希望有帮助。