在Sklearn异常检测方法中，将“contamination”参数设置为“auto”会发生什么？

Question

我有一个数据集，需要能够控制异常检测模型（孤立森林、椭圆包络、OneClassSVM等）将给定点视为异常值的程度（类似于Z-score或IQR-score）。这意味着我不想事先指定数据集中异常点的百分比，也就是所谓的 contamination 参数，而是希望这个百分比取决于我想让模型多么严格。这和将参数 contamination 设置为 'auto' 是否相同？

这是 Sci-kit Learn 包对此的说明：“如果设置为 'auto'，则阈值的确定方式与原始论文相同。”

这个“原始论文”的是指哪篇？将 contamination 参数设置为 'auto' 能解决我的问题吗？

- Houssam Metni

Answer 1

我一直在看论文，但没有太大的进展，但是当我查看代码时，我找到了答案。请注意实现的这部分内容：

    if self.contamination == "auto":
        # 0.5 plays a special role as described in the original paper.
        # we take the opposite as we consider the opposite of their score.
        self.offset_ = -0.5
        return self

    # else, define offset_ wrt contamination parameter
    self.offset_ = np.percentile(self.score_samples(X),
                                 100. * self.contamination)

您可以在此处查看完整实现：链接。

当您将contamination='auto'设置时，影响模型预测的offset_值将设置为-0.5，而如果您在contamination参数中使用float值，则偏移值将发生变化以实现先前传递的污染率百分比。因此，模型将根据这个决定确定您数据中的污染百分比。

- lalfab

---

谢谢您的回复！确实，这也是我最终找到的。然而，-0.5的offset_值在技术上是否也对应于给定的污染百分比呢？在这种情况下，将污染参数设置为“自动”并不能帮助我。 - Houssam Metni

是的，-0.5对应一个百分比，但因为它是一个固定值，所以不会影响预测，因此样本是否为异常值的决策完全由算法定义。 - lalfab

这意味着污染参数不会影响我们的预测，对吗？如果是这样的话，这是一个好迹象。在这种情况下，一个点是异常值还是内点的程度可以由用户定义，对吗？因为决策函数现在只会提供一个异常分数，如果我理解正确的话。 - Houssam Metni

@lalfab哦，我已经在这里更新了问题（https://stats.stackexchange.com/questions/515654/how-can-we-introduce-an-anomaly-class-as-a-positive-class-to-sklearn-isolationfo） - Mario

Answer 2

论文中使用的污染率为10% https://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/icdm08b.pdf "在我们的实验中， Mulcross的基本设置如下：污染比率=10%（异常点数除以总点数）， 在我们的实验中， Mulcross的基本设置如下：污染比率=10%（异常点数除以总点数）"

- FeiLiao