流水线中Scikit-learn(隔离森林)中的异常值检测

Question

我遇到了这个问题，因为我不能在Sklearn管道中使用隔离森林算法。我正在尝试使用Kaggle信用卡欺诈检测数据集来预测信用卡违约。我正在尝试修复数据分区后的所有内容，以避免数据泄漏。(通过对每个交叉验证使用管道，因为我在K折交叉验证中使用逻辑回归得到几乎100%的F1分数，而不使用管道)大多数机器学习算法都可以使用(逻辑回归、随机森林分类器等)，但不能用于某些异常检测算法，如IsolationForest。我想知道如何在流水线中安装这些异常检测算法。谢谢。

Some details for X and Y (Y- 0 as a normal transaction, 1 as fraudulent transaction)

pipe =Pipeline([
    ('sc', StandardScaler()),
    ('smote', SMOTE()),
    ('IF', IsolationForest())
])

print(cross_val_score(pipe, X,Y, scoring='f1_weighted' ,cv=5))

# Result: [3.01179163e-06 3.53204982e-06 6.55363495e-06 3.51940600e-06 4.52981524e-06]

Answer 1

如果没有进一步的信息，我会猜测您的管道导入来自sklearn.pipelines。只需将其替换为：

from imblearn.pipeline import Pipeline

为了获得更多信息，this帮助了我。