isolation forest 默认返回-1（异常）和1（正常）是硬分类结果，因算法基于路径长度判定孤立难度，不输出概率；需用decision_function()或score_samples()获取异常分数以实现排序或阈值调整。
Isolation Forest 在 Python 中能直接识别异常点，但默认参数对小数据集或高维稀疏数据容易失效——得调 contamination 和 n_estimators，否则结果基本不可信。
为什么 fit_predict() 返回 -1 和 1，而不是概率或分数？
Isolation Forest 本质不输出概率，它通过路径长度估算“孤立难度”：越容易被随机树快速隔离的样本，越可能是异常。scikit-learn 封装后统一用 -1 表示异常、1 表示正常，这是硬分类结果；若需排序或阈值调整，必须显式调用 decision_function() 或 score_samples() 获取原始异常分数。
-
fit_predict(X)直接返回标签数组，适合快速打标，但无法控制判别阈值 - 想自定义异常判定边界？先用
iso = IsolationForest().fit(X)，再用iso.decision_function(X)得到负数分数（越小越异常） -
contamination参数只在训练时用于内部阈值校准，不影响decision_function输出范围
contamination 参数设多少才合理？
它不是“你希望检出多少个异常”，而是模型训练时假设的异常比例——影响树的剪枝和最终决策边界。设错会导致大量漏检或误报，尤其当真实异常率远低于默认值 0.1 时。
- 已知业务中异常占比约 0.3%？直接设
contamination=0.003，别用默认值 - 完全未知？先用
contamination='auto'（v1.2+），它会基于样本量估算，但仅适用于大样本（n > 10000） - 小数据集（n cv=3 做交叉验证 +
average_precision_score选参
高维数据下 Isolation Forest 性能骤降怎么办？
维度超过 20 后，随机切分的有效性下降，路径长度区分度变弱，异常分数趋同。这不是 bug，是算法原理限制——它依赖“低密度区域易被孤立”，而高维空间普遍存在“距离失效”问题。
- 务必先做特征筛选或降维：
PCA(n_components=10)或SelectKBest(k=15)，别直接喂入 100+ 列 - 避免混入 ID 类、时间戳类、高度稀疏的 one-hot 特征；
IsolationForest对数值型连续特征最敏感 - 若必须保留高维稀疏特征，先用
StandardScaler标准化，再用TruncatedSVD(n_components=20)替代 PCA - 单棵树的
max_samples别设太大（默认是 min(256, n_samples)），小数据下调到min(64, n_samples)反而更稳定
真正难的是确认哪些“异常”有业务意义——模型可能把某个稳定但偏移的运营时段标为异常，而漏掉突发的毛刺。跑完 predict() 后，一定要拿 score_samples() 排序，人工看 top-20 的原始特征分布，而不是直接删掉所有 -1 样本。
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！
