孤立森林（isolation forest）

1、简介
孤立森林（Isolation Forest）是另外一种高效的异常检测算法，它和随机森林类似，但每次选择划分属性和划分点（值）时都是随机的，而不是根据信息增益或者基尼指数来选择。

在建树过程中，如果一些样本很快就到达了叶子节点（即叶子到根的距离d很短），那么就被认为很有可能是异常点。

因为那些路径d比较短的样本，都是因为距离主要的样本点分布中心比较远的。也就是说，可以通过计算样本在所有树中的平均路径长度来寻找异常点。

sklearn提供了ensemble.IsolationForest模块可用于Isolation Forest算法。

2、主要参数和函数介绍
class sklearn.ensemble.IsolationForest(n_estimators=100, max_samples=’auto’, contamination=0.1, max_features=1.0, bootstrap=False, n_jobs=1, random_state=None, verbose=0)
n_estimators : 森林中树的颗数， int, optional (default=100)

max_samples : 对每棵树，样本个数或比例，int or float, optional (default=”auto”)

contamination : 用户设置样本中异常点的比例，float in (0., 0.5), optional (default=0.1)

max_features : 对每棵树，特征个数或比例函数：int or float, optional (default=1.0)

 fit(X): Fit estimator.（无监督）

predict(X): 返回值：+1 表示正常样本， -1表示异常样本。

decision_function(X): 返回样本的异常评分。 值越小表示越有可能是异常样本。

 

from sklearn.ensemble import IsolationForest
iforest=IsolationForest(n_estimators=100,random_state=1)
iforest.fit(df)
index_list=[]
ipredict=iforest.predict(df)
for i,j in enumerate(ipredict):
   if j==1:
      index_list.append(i)
df=df.ix[index_list,:]
print(df)

 

 

转载于:https://www.cnblogs.com/hapyygril/p/9802588.html