python中孤立森林算法实例

python中孤立森林算法实例

使用python中sklearn库自带的IsolationForest构建孤立森林,并训练预测数据,同时使用plt画图展示

import numpy as np
import matplotlib.pyplot as plt
from sklearn.ensemble import IsolationForest
import csv

#读入数据
def loadData(filename):
    data = open(filename,'r',encoding='utf-8')
    reader = csv.reader(data)
    header = next(reader)
    dataset = []
    price = []
    amount = []
    for row in reader:
        dataset.append([float(row[3]),float(row[4])])
        price.append(float(row[3]))
        amount.append(float(row[4]))

    return dataset,price,amount

def iForest(dataset,price,amount):
    clf = IsolationForest()
    ans = clf.fit_predict(dataset)

    price_abnormal = []
    amount_abnormal = []
    price_normal = []
    amount_normal = []

	#将运算得到的异常数据记录保存
    for d in range(0,len(ans)):
        if ans[d] == -1:
            price_abnormal.append(dataset[d][0])
            amount_abnormal.append(dataset[d][1])
        else:
            price_normal.append(dataset[d][0])
            amount_normal.append(dataset[d][1])


    print(price_normal)
    
    #画图展示
    plt.title("IsolationForest")

	#正常数据点
    b1 = plt.scatter(price_normal, amount_normal, c='white',
                     s=20, edgecolor='k')
	#异常数据点
    c = plt.scatter(price_abnormal, amount_abnormal, c='red',
                    s=20, edgecolor='k')
    plt.axis('tight')
    #x轴、y轴的坐标范围
    plt.xlim((0,3000))
    plt.ylim(0,3500 )
    plt.xlabel('Price')
    plt.ylabel('Amount')
    plt.legend([b1,c],['normal points', 'abnormal points'],
           loc="upper left")
    plt.show()

filename = 'lv3测试集.csv'
dataset,price,amount=loadData(filename)
iForest(dataset,price,amount)

效果如图:
在这里插入图片描述

  • 2
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 9
    评论
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Yozu_Roo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值