孤立森林的预测概率

Question

我尝试使用孤立森林进行异常值检测（欺诈检测）。如果我运行以下代码（使用训练和测试集）：

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。我该如何使用predict_proba函数，这个函数可以用于DecisionTrees。在文档中有没有可用于IsolationTree的函数，因为它没有被提及？

当我运行iso.predict_proba(X_test)时，我会收到以下错误：

AttributeError: 'IsolationForest'对象没有属性'predict_proba'

我正在寻找一个数组，它可以给出预测属于哪个类别（是否是异常点）的概率。

我的X_test看起来像：

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

和y_test.values.ravel()一起使用： array([0,0,1])

- PV8

---

你能提供一些样本数据吗？ - Márcio Coelho

我已经添加了它，但这将有所帮助，在文档中也有示例数据... - PV8

我只是想了解一下你的数据，看看它是否有任何特殊性。谢谢你提供这些例子，我会编辑我的答案以使用它们。 - Márcio Coelho

Answer 1

这个模块中没有 predict_proba，因为它不使用概率来评估每个样本是否为异常值，而是通过得分进行评估。

根据您提供的文档，每个样本使用以下公式的决策函数进行分类：

decision_function = score_samples - offset_. offset_

所需的可能是score_samples。使用示例数据：

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]]))

结果为：

[ 1  1 -1] 
[0.33644293 0.35190077 0.62865009]

在对每个样本进行偏移量（默认值为-0.5）处理后，如果返回结果为正数，则为内点；否则为外点。

希望对你有所帮助。

- Márcio Coelho

---

score_samples是一个不错的函数，但我认为我需要添加abs，因为我的所有值都是负数。 - PV8

唯一的问题是，现在的值范围在0.3-0.7之间，在决策树中，我通常得到0-1之间的值。这是否是孤立森林的行为？ - PV8

我不会使用 _abs_，因为根据文档，值越低表示异常程度越高，未来可能会遇到与其他离群值/内群值混合的正值。 - Márcio Coelho

您现在得到的分数并不是最终的分类，而是达到该分类的中间步骤。在这种方法中，0或1的值没有特殊的含义，据我所知。 - Márcio Coelho