隔離林實施

Question

我想使用隔離森林來識別我的數據集中的異常值。

訓練集包含4000條記錄與40個專題欄目值爲1或0。

我知道如何使用scikit學會給出的樣本爲例，使用隔離森林2種功能。

如何使用所有40個功能並查看異常值？

Answer 1

我簡化了scikit示例。 X是具有40個特徵和4000行的數據集。在這個例子中它是3個特徵和100行。您將clf.fit（X）的分類符合到您的數值數據X中，以便將分類器學習爲數據的「邊界」。在下一步中，您將針對您的學習模型對相同的數據X進行分類，並獲取包含100個條目的數組y，其中數據集中的每行一個。 y中的每個條目是-1（離羣值）或1（Inliner）。

import numpy as np 
from sklearn.ensemble import IsolationForest 

rng = np.random.RandomState(42) 

# Generate train data 
s = rng.randn(100, 5) 
X = np.r_[s + 2, s - 2, s - 5] 

# fit the model 
clf = IsolationForest(max_samples=100, random_state=rng) 
clf.fit(X) 
y = clf.predict(X)