python中隔离林是否必须设置污染值？答案

【问题标题】：Is it mandatory to set contamination value for isolation forest in python?python中隔离林是否必须设置污染值？
【发布时间】：2020-12-17 04:04:27
【问题描述】：

我将构建一个模型来识别我的数据集中的异常情况。我研究了很多，发现隔离森林是最好的选择。在我的数据集中，我没有任何标签（这意味着数据集仅包含解释变量）。但是我不知道在隔离林中设置污染参数（大多数解释的文章已经有输出变量[标记为异常]，使用它们计算异常值然后将其设置为污染值强>)。

是否必须设置它？污染的默认值为 0.1。可以忽略它吗？如果我没有为它赋值，会影响模型结果吗？

model = IsolationForest(contamination=0.1, n_estimators=1000)

【问题讨论】：

【解决方案1】：

不，设置污染值不是强制性的。默认情况下，它设置为“自动”。

contamination‘auto’或float，default=‘auto’ 数据集的污染，即异常值在数据集中的比例数据集。在拟合时用于定义分数的阈值样本。

因此，您可以忽略它，但它可以/将会影响模型结果，因为预测方法使用由污染值设置的阈值。

预测方法利用原始评分的阈值由估计器计算的函数。这个评分函数是可以通过score_samples 方法访问，而阈值可以由contamination 参数控制。

【讨论】：