sklearn.ensemble.IsolationForest（孤立森林，异常检测）

IsolationForest 是 sklearn.ensemble 提供的 异常检测（Outlier Detection） 方法，它通过 构建多棵随机树，将异常点隔离，适用于 异常检测、欺诈检测、入侵检测等任务。

---

1. IsolationForest 作用

• 用于异常检测（如 信用卡欺诈检测、网络入侵检测）。
• 基于决策树，将异常数据隔离开，计算其异常分数（anomaly score）。
• 比基于距离的异常检测方法（如 KNN）更适用于高维数据。

---

2. IsolationForest 代码示例

(1) 训练 IsolationForest 进行异常检测

from sklearn.ensemble import IsolationForest
import numpy as np

# 生成数据
rng = np.random.RandomState(42)
X = 0.3 * rng.randn(100, 2)  # 100 个正常点
X = np.concatenate([X, rng.uniform(low=-4, high=4, size=(10, 2))])  # 10 个异常点

# 训练孤立森林模型
model = IsolationForest(n_estimators=100, contamination=0.1, random_state=42)
model.fit(X)

# 预测：1 表示正常点，-1 表示异常点
y_pred = model.predict(X)

# 统计异常点数量
n_outliers = np.sum(y_pred == -1)
print("检测到的异常点数量:", n_outliers)

解释

• contamination=0.1：假设 10% 的数据是异常点（超参数）。
• predict(X) 返回 1（正常点）或 -1（异常点）。

---

3. IsolationForest 主要参数

IsolationForest(n_estimators=100, contamination="auto", max_samples="auto", max_features=1.0, bootstrap=False, random_state=None)

参数	说明
n_estimators	森林中的决策树数量（默认 100，值越大效果越稳）
contamination	异常样本比例（默认 "auto"，可设 0.1 表示 10% 的数据是异常点）
max_samples	每棵树的样本数（默认 "auto"，即 min(256, n_samples)）
max_features	每棵树的特征比例（默认 1.0，使用所有特征）
bootstrap	是否使用自助采样（默认 False）
random_state	设置随机种子，保证结果可复现

---

4. 获取异常分数

anomaly_scores = model.decision_function(X)
print("前 10 个样本的异常分数:", anomaly_scores[:10])

解释

• decision_function(X) 返回 异常分数（anomaly score），值越小越可能是异常点。

---

5. 可视化异常点

import matplotlib.pyplot as plt

# 可视化正常点和异常点
plt.scatter(X[:, 0], X[:, 1], c=y_pred, cmap="coolwarm", edgecolors="k")
plt.title("IsolationForest 异常检测")
plt.xlabel("Feature 1")
plt.ylabel("Feature 2")
plt.show()

解释

• 蓝色表示正常点，红色表示异常点。

---

6. IsolationForest vs. 其他异常检测方法

方法	适用情况	主要区别
IsolationForest	基于树结构，适用于高维数据	无需计算距离，适用于大规模数据
LocalOutlierFactor (LOF)	基于密度，适用于低维数据	计算邻域密度，适合小规模数据
One-Class SVM	基于支持向量机，适用于复杂分布数据	计算成本较高

示例

from sklearn.neighbors import LocalOutlierFactor

lof = LocalOutlierFactor(n_neighbors=20, contamination=0.1)
y_pred_lof = lof.fit_predict(X)  # -1 表示异常点
print("LOF 检测到的异常点数量:", np.sum(y_pred_lof == -1))

解释

• IsolationForest 适用于大规模高维数据，LOF 适用于小规模密度异常检测。

---

7. contamination 对异常检测的影响

contaminations = [0.05, 0.1, 0.2]
for c in contaminations:
    model = IsolationForest(n_estimators=100, contamination=c, random_state=42)
    model.fit(X)
    y_pred = model.predict(X)
    print(f"污染率={c}, 检测到的异常点数={np.sum(y_pred == -1)}")

解释

• contamination=0.05：认为 5% 的数据是异常点。
• contamination=0.2：认为 20% 的数据是异常点。

---

8. 适用场景

• 异常检测（如 欺诈检测、网络攻击检测）。
• 高维数据异常检测，避免计算距离过于复杂。
• 当数据异常点较少时，IsolationForest 可能比传统方法更有效。

---

9. 结论

• IsolationForest 适用于异常检测任务，利用决策树隔离异常点，适用于高维数据和大规模数据，比基于距离的方法 计算效率更高。