在Sklearn Outlier Detection methods中将‘Detection’参数设置为'auto‘会做什么？

Question

我有一个数据集，我需要能够在多大程度上控制离群值检测模型(孤立森林，椭圆包络，OneClassSVM...)将给定点视为异常值或非异常值(类似于Z分数或IQR分数)。这意味着我不想预先指定数据集中离群点的百分比，更为人所知的是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”。这是否等同于将参数contamination设置为'auto'？

关于这一点，Sci-kit Learn包是这样说的：“如果‘auto’，则阈值按照原始论文中的方式确定”。

这篇文章指的是哪篇原始论文？将contamination参数设置为'auto‘能解决我的问题吗？

Answer 1

我正在看论文，但没有太多成功，但看了代码就给了我答案。注意实现的这一部分：

    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。

设置contamination='auto'时，影响模型预测的offset_值将设置为-0.5，而如果在contamination参数中使用float值，则偏移值将发生变化，以达到先前传递的污染百分比。因此，模型将根据此决定确定数据中的污染百分比。