isolation forest直接调用sklearn.ensemble.isolationforest，目标是孤立异常点而非拟合分布；关键参数：contamination设异常比例、n_estimators建议100–200、max_samples默认'auto'。
Isolation Forest在Python中怎么调用
直接用 sklearn.ensemble.IsolationForest，不是自己实现树结构。它和 RandomForest 一样属于集成方法，但目标完全不同：不追求拟合数据分布，而是通过随机切分快速“孤立”异常点。
关键参数有三个必须留意：
-
contamination：预估异常比例，比如设为0.1表示假设 10% 样本是异常。注意这个值影响predict()的阈值判定，不是训练时硬过滤 -
n_estimators：默认 100，太少容易不稳定，超过 200 提升有限，建议 100–200 之间试 -
max_samples：控制每棵树的子采样大小，默认'auto'（即 min(256, n_samples)），对小数据集（'sqrt' 或具体整数，避免单棵树太浅而漏检
fit()之后怎么判断哪些样本是异常
fit() 本身不输出标签，得靠后续方法。最常用的是 predict() 和 decision_function()，行为差异很大：
-
predict()返回数组，值为1（正常）或-1（异常）。它依赖训练时设定的contamination自动确定阈值，适合直接二分类任务 -
decision_function(X)返回每个样本的“异常分数”，越小越异常。这个值可排序、画直方图、手动设阈值——比如取最低 5% 的样本做人工复核 - 别用
score_samples()想当然当概率用，它返回的是负异常分数（越大越异常），且无统计意义，仅作相对排序参考
为什么结果全是-1或者全是1
这不是算法坏了，大概率是数据或参数没对齐。常见原因有：
- 特征没标准化：
IsolationForest对量纲敏感。比如一列是年龄（0–100），另一列是收入（0–1e6），后者会主导分割方向。务必先用StandardScaler或RobustScaler处理 -
contamination设得远高于真实异常率：比如实际只有 0.5% 异常，却设成0.2，模型会“强行”把大量正常点判为异常 - 特征中存在高比例缺失值或全零列：树在随机切分时可能反复选到无效维度，导致所有路径深度趋同。检查
X.isnull().sum()和(X == 0).mean() - 样本量过小（
Isolation Forest适合什么类型的数据
它强在快和无监督，但有明确边界：
- 适合：中低维（
- 不适合：纯类别特征（需先编码且慎用）、时间序列依赖性强（如股价走势，孤立森林忽略顺序）、图像/文本等高维稀疏特征（此时
AutoEncoder或OneClassSVM更稳） - 混合类型数据要小心：如果混了类别列，
pd.get_dummies()后注意稀疏性爆炸，建议先用VarianceThreshold剔除低频独热列
真正难的不是跑通代码，而是确认你的“异常”定义是否和孤立森林的数学假设匹配——它只对“少数+易隔离”有效，对系统性偏差（比如整个批次传感器漂移）无能为力。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
