一维数组或列表的隔离森林 Sklearn 以及如何调整超参数
Isolation Forest Sklearn for 1D array or list and how to tune hyper parameters
有没有办法为一维数组或列表实现 sklearn 隔离林？我遇到的所有示例都是针对二维或更多维度的数据。
我现在开发了一个具有三个特征的模型，下面提到了示例代码片段：
# dataframe of three columns
df_data = datafr[['col_A', 'col_B', 'col_C']]
w_train = page_data[:700]
w_test = page_data[700:-2]
from sklearn.ensemble import IsolationForest
# fit the model
clf = IsolationForest(max_samples='auto')
clf.fit(w_train)
#testing it using test set
y_pred_test = clf.predict(w_test)
我主要依赖的参考：IsolationForest example | scikit-learn
df_data 是一个包含三列的数据框。我实际上是在寻找一维或列表数据中的异常值。
另一个问题是如何调整隔离森林模型？其中一种方法是增加污染值以减少误报。但是如何使用其他参数，如 n_estimators、max_samples、max_features、versbose 等
将隔离林应用于一维数组或列表没有意义。这是因为在那种情况下，它只是从特征到目标的一对一映射。
您可以阅读 the official documentation 以更好地了解不同的参数帮助
- 污染
The amount of contamination of the data set, i.e. the proportion of outliers in the data set. Used when fitting to define the threshold on the decision function.
尝试使用 [0,0.5] 范围内的不同值进行试验，看看哪个值的效果最好
- max_features
The number of features to draw from X to train each base estimator.
尝试使用 5、6、10 等任何您选择的整数值，并使用最终测试数据对其进行验证
- n_estimators 尝试多个值，如 10、20、50 等，看看哪个最有效。
您还可以使用 GridSearchCV 来自动执行此参数估计过程。
只需尝试使用 gridSearchCV 尝试不同的值，看看哪个值的效果最好。
试试这个
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import f1_score, make_scorer
my_scoring_func = make_scorer(f1_score)
parameters = {'n_estimators':[10,30,50,80], 'max_features':[0.1, 0.2, 0.3,0.4], 'contamination' : [0.1, 0.2, 0.3]}
iso_for = IsolationForest(max_samples='auto')
clf = GridSearchCV(iso_for, parameters, scoring=my_scoring_func)
然后用clf拟合数据。尽管请注意 GridSearchCV 需要 bot x 和 y（即训练数据和标签）用于 fit 方法。
注意 ：如果您希望将 GridSearchCv 与隔离林一起使用，您可以阅读 this blog post 以进一步参考，否则您可以手动尝试使用不同的值并绘制图表以查看结果。
有没有办法为一维数组或列表实现 sklearn 隔离林？我遇到的所有示例都是针对二维或更多维度的数据。
我现在开发了一个具有三个特征的模型，下面提到了示例代码片段：
# dataframe of three columns
df_data = datafr[['col_A', 'col_B', 'col_C']]
w_train = page_data[:700]
w_test = page_data[700:-2]
from sklearn.ensemble import IsolationForest
# fit the model
clf = IsolationForest(max_samples='auto')
clf.fit(w_train)
#testing it using test set
y_pred_test = clf.predict(w_test)
我主要依赖的参考：IsolationForest example | scikit-learn
df_data 是一个包含三列的数据框。我实际上是在寻找一维或列表数据中的异常值。
另一个问题是如何调整隔离森林模型？其中一种方法是增加污染值以减少误报。但是如何使用其他参数，如 n_estimators、max_samples、max_features、versbose 等
将隔离林应用于一维数组或列表没有意义。这是因为在那种情况下，它只是从特征到目标的一对一映射。
您可以阅读 the official documentation 以更好地了解不同的参数帮助
- 污染
The amount of contamination of the data set, i.e. the proportion of outliers in the data set. Used when fitting to define the threshold on the decision function.
尝试使用 [0,0.5] 范围内的不同值进行试验，看看哪个值的效果最好
- max_features
The number of features to draw from X to train each base estimator.
尝试使用 5、6、10 等任何您选择的整数值，并使用最终测试数据对其进行验证
- n_estimators 尝试多个值，如 10、20、50 等，看看哪个最有效。
您还可以使用 GridSearchCV 来自动执行此参数估计过程。
只需尝试使用 gridSearchCV 尝试不同的值，看看哪个值的效果最好。
试试这个
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import f1_score, make_scorer
my_scoring_func = make_scorer(f1_score)
parameters = {'n_estimators':[10,30,50,80], 'max_features':[0.1, 0.2, 0.3,0.4], 'contamination' : [0.1, 0.2, 0.3]}
iso_for = IsolationForest(max_samples='auto')
clf = GridSearchCV(iso_for, parameters, scoring=my_scoring_func)
然后用clf拟合数据。尽管请注意 GridSearchCV 需要 bot x 和 y（即训练数据和标签）用于 fit 方法。
注意 ：如果您希望将 GridSearchCv 与隔离林一起使用，您可以阅读 this blog post 以进一步参考，否则您可以手动尝试使用不同的值并绘制图表以查看结果。