Predict_proba for IsolationForest

Question

我试着用隔离森林用于孤立点检测(欺诈检测)。如果我运行下面的代码(使用培训和测试集)：

from sklearn.ensemble import IsolationForest
iso = IsolationForest(random_state=0).fit(X_train)
isopred = iso.predict(X_test)

我得到一个带有：array([1, 1, -1, ..., 1, 1, 1])的数组，其中包含1或-1。我怎样才能使用predict_proba，我可以用在DecisionTrees上。在没有提到的文档中，是否有IsolationTree可用的函数？

当我运行：iso.predict_proba(X_test)时，我得到了这个错误：

AttributeError: IsolationForest对象没有属性“predict_proba”

我正在寻找一个数组，它给出了预测值属于哪一类(孤立点或不属于)的概率。

我的X_test看起来像：

A  B  C
11 1  0
11 3  0
11 0  1

和y_test.values.ravel()：array([0,0,1])

Answer 1

这个模块中没有一个predict_proba，因为它不使用概率来评估每个样本的异常值，而是使用分数。

查看您提供的文档，使用决策函数对每个样本进行分类，其公式如下：

decision_function = score_samples - offset_. offset_

所以你可能想要的是score_samples。使用样本数据：

X = [[-1.1], [0.3], [0.5], [100]]
iso = IsolationForest(random_state=0).fit(X)
iso_pred = iso.predict([[0.1], [0], [90]])
iso_scores = abs(iso.score_samples([[0.1], [0], [90]]))

在以下方面的成果：

[ 1  1 -1] 
[0.33644293 0.35190077 0.62865009]

对每个样本减去偏移量(默认为-0.5)后，如果返回的结果为正，则为inlier，否则为异常值。

希望能帮上忙。