python - 一维数组或列表的隔离森林 Sklearn 以及如何调整超参数

Question

有没有办法为一维数组或列表实现 sklearn 隔离林？我遇到的所有示例都是针对二维或更多维度的数据。

我现在开发了一个具有三个特征的模型，下面提到了示例代码片段:

# dataframe of three columns
df_data = datafr[['col_A', 'col_B', 'col_C']]
w_train = page_data[:700]
w_test = page_data[700:-2]

from sklearn.ensemble import IsolationForest
# fit the model
clf = IsolationForest(max_samples='auto')
clf.fit(w_train)

#testing it using test set
y_pred_test = clf.predict(w_test)

我主要依赖的引用:IsolationForest example | scikit-learn

df_data 是一个三列的数据框。我实际上是在寻找一维或列表数据中的异常值。

另一个问题是如何调整隔离森林模型？其中一种方法是增加污染值以减少误报。但是如何使用其他参数，如 n_estimators、max_samples、max_features、versbose 等。

Answer 1

将隔离林应用于一维数组或列表没有意义。这是因为在那种情况下，它只是从特征到目标的一对一映射。

您可以阅读 the official documentation更好地了解不同的参数有助于

• 污染

The amount of contamination of the data set, i.e. the proportion of outliers in the data set. Used when fitting to define the threshold on the decision function.

尝试在 [0,0.5] 范围内尝试不同的值，看看哪一个给出最好的结果

• 最大特征

The number of features to draw from X to train each base estimator.

尝试 5、6、10 等任何您选择的值，并使用最终测试数据对其进行验证

• n_estimators 尝试多个值，如 10、20、50 等，看看哪个最有效。

您还可以使用 GridSearchCV使这个参数估计过程自动化。

只需尝试使用 gridSearchCV 尝试不同的值，然后看看哪个值的效果最好。

试试这个

from sklearn.model_selection import GridSearchCV
from sklearn.metrics import f1_score, make_scorer

my_scoring_func = make_scorer(f1_score)
parameters = {'n_estimators':[10,30,50,80], 'max_features':[0.1, 0.2, 0.3,0.4], 'contamination' : [0.1, 0.2, 0.3]}
iso_for =  IsolationForest(max_samples='auto')
clf = GridSearchCV(iso_for, parameters,  scoring=my_scoring_func)

然后使用clf 来拟合数据。尽管请注意，GridSearchCV 需要 bot x 和 y(即训练数据和标签)用于 fit 方法。

注意:您可以阅读this blog post如果您希望将 GridSearchCv 与隔离林一起使用，以供进一步引用，否则您可以手动尝试使用不同的值并绘制图表以查看结果。