隔离森林，如何使用多个特征进行预测，得到所有异常

Question

我正在尝试使用 scikit learn 和 python 构建一个隔离林来检测异常。我附上了一张数据可能是什么样子的图像，我试图根据几个“大小”特征来预测“页面”。 当我打印（异常）时，每一行都被检测为-1，一个异常。这是因为我只使用“size2”对它们进行分类吗？有没有办法使用多列来帮助检测异常？我应该使 n_features 等于我正在使用的列数吗？非常感谢你的帮助。

model = IsolationForest(n_estimators = 100, max_samples = 'auto', contamination = 'auto')
model.fit(df[['pages']])
df['size2'] = model.decision_function(df[['pages']])
df['anomaly']= model.predict(df[['pages']])
print(df.head(50))
anomaly = df.loc[df['anomaly']==-1]
anomaly_index = list(anomaly.index)
print(anomaly)

Answer 1

我不确定这里是否适合隔离森林。如果您想根据大小数据预测 pages 列值，最好使用回归模型或分类器（我无法根据显示的数据判断 pages 是否是分类的）。话虽如此，如果您确实想要进行异常检测，则必须确保将模型拟合到用于预测的相同特征子集上。根据尺寸特征检测异常看起来像这样：

df['anomaly'] = model.fit_predict(df[['size2', 'size3', 'size4']])

可以选择任何列子集来训练模型，但必须使用相同的功能集调用 fit 和 predict。

在给出的代码中，模型在 label 列上进行训练，但用于根据 pages 列预测异常值。尽管未显示label 列，但如果其中的值与pages 列中的值有很大不同，那么它们都会被归类为异常值也就不足为奇了。此外，正如所写，size2 列并未用作预测特征，而是被pages 列的决策函数分数覆盖。