isolationforest更轻量因其不依赖距离或密度计算，仅通过随机切分实现快速孤立，路径短即异常，训练预测高效、对特征缩放不敏感，标准化反可能干扰随机逻辑。
IsolationForest 为什么比其他异常检测方法更轻量
因为它的核心逻辑不依赖距离或密度，而是靠随机切分数据来“孤立”异常点——异常点通常路径更短，训练和预测都快，适合高维稀疏数据。但这也意味着它对特征缩放不敏感，fit 前通常不用 StandardScaler，反而标准化可能干扰其随机切分逻辑。
常见误操作是照搬聚类流程：先标准化再用 IsolationForest，结果异常得分分布变平、阈值难调。真实场景中，原始数值尺度差异大（比如年龄和收入混在一起），只要量纲不是极端离谱（如 1e-8 和 1e8 同时存在），直接喂入更稳妥。
如何设置 n_estimators 和 contamination
n_estimators 控制树的数量，默认 100。太少（如 10）会导致预测方差大，同一数据多次运行 predict 结果波动明显；太多（如 500）提升有限，但内存和耗时线性增长。中小规模数据（
contamination 是关键超参，代表你预估的异常比例。它直接影响 predict 的二分类边界：
- 设为
0.1，模型会把得分最低的约 10% 样本标为 -1（异常） - 若实际异常极少（如金融风控中欺诈率 0.001），硬设
0.001容易过拟合噪声；建议先设'auto'（v1.2+），让模型基于异常得分分布自动估算，再用decision_function查看得分直方图人工微调 - 生产环境慎用
'auto'，因它依赖训练集得分分布，线上新数据分布偏移时边界会漂移
用 decision_function 替代 predict 做细粒度判断
predict 只返回 -1/+1，丢失异常程度信息；而 decision_function 返回连续得分：越小越异常（注意：不是概率，无归一化保证）。这在需要排序或动态调整阈值时不可替代。
实操建议：
- 先调用
clf.decision_function(X)得到数组score - 画直方图：
plt.hist(score, bins=50)，观察低分区域是否形成明显分离峰 - 若分布平缓无明显拐点，说明数据本身异常结构弱，或特征工程不到位，别硬凑阈值
- 上线时保存
contamination对应的分位数（如np.percentile(score, contamination * 100)）作为固定阈值，避免每次重算
特征必须是数值型，且不能含缺失值
IsolationForest 内部使用决策树，所有实现（sklearn 1.0+）均不支持 NaN。遇到 ValueError: Input contains NaN 别急着删行——异常检测本身常用于含缺失的数据集（如 IoT 传感器断连）。
处理方式取决于缺失模式：
- 若缺失是随机、少量（
- 若缺失集中在某些特征（如某传感器持续掉线），该特征信息价值已低，直接剔除比插补更安全
- 绝对不要用
SimpleImputer(strategy='most_frequent')填数值型特征——众数对连续变量无意义
多分类标签或字符串列必须提前编码或丢弃，IsolationForest 不做任何隐式转换，报错信息明确指向 Expected 2D array 或 could not convert string to float 就是这类问题。
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！
