在 Sklearn 异常值检测方法中将 'contamination' 参数设置为 'auto' 有什么作用？

Question

我有一个数据集，我需要能够控制异常值检测模型（隔离森林、椭圆包络、OneClassSVM...）在多大程度上将给定点视为异常值（类似于 Z -分数或 IQR 分数）。这意味着我不想提前指定我的数据集中离群点的百分比，更好地称为 contamination 参数，但我希望这个百分比取决于我希望我的模型有多“挑剔”。这是否与将参数 contamination 设置为 'auto' 相同？

以下是 Sci-kit Learn 软件包对此的说明： “如果‘auto’，则阈值与原始论文中的一样”。

本文指的是哪篇原创论文？将 contamination 参数设置为 'auto' 是否解决了我的问题？

Answer 1

我看论文没有多大成功，但是看代码给了我答案。注意这部分实现：

    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)

您可以查看完整的实现 here。

当您设置 contamination='auto' 时，影响模型预测的 offset_ 值设置为 -0.5，而如果您使用 float contamination 参数中的值偏移值将发生变化以达到您之前通过的污染百分比。因此模型将根据此决定确定数据中的污染百分比。

在 Sklearn 异常值检测方法中将 'contamination' 参数设置为 'auto' 有什么作用？

What does setting the 'contamination' parameter to 'auto' in Sklearn Outlier Detection methods do?

python

statistics

outliers

scikit-learn

anomaly-detection