孤立森林 - Isolation Forest

孤立森林是一种基于集成算法的异常检测算法。在孤立森林中，异常值被定义为“容易被孤立的离群点”，即与正常数据相比，其分布相对较远且不规律。基于这样的定义，孤立森林通过递归的随机分割数据集，直到所有的样本都被分隔开，在这个过程中，密度越低的点越容易被孤立，即异常点通常具有较短的路径。

语法：

...| fit IsolationForest n_estimators=<int> max_samples=<auto(default) | int | float> max_features=<int | float> contamination=<auto(default) | float> random_state=<int> <feature_field_1> <feature_field_2> [into model_name]... 

参数说明：

• n_estimators，用来指定建模中使用的树的数量，必须为正整数。若不设定，默认为100。

• max_samples，用来指定每一次建树时选取的最大数据量。

  • max_samples=int，代表直接使用max_samples为最大数据量。如果超过了总数据量，则所有数据都会被使用。
  • max_samples=float，代表使用max_samples * 数据总数 为最大数据量。
  • max_samples=auto（默认值），代表使用[256, 数据总量]中较小的一方作为最大数据量。

• max_features，用来指定每一次建树时选取的最大特征数。如不提供，默认为1.0，即使用所有特征。

  • max_features=int，代表直接使用max_features为最大特征数量，必须在(0,n_features]之间。n_features即为建模时使用的特征字段的数量。
  • max_features=float，代表使用max_features*n_features为最大特征数量。必须使max_features*n_features向下取整的结果在(0,n_features]之间。

• contaminaiton，用来指定训练集中异常数据的比例

  • contamination=auto（默认），自动设定异常值比例。
  • contamination是一个float，必须要在(0,0.5]之间。

• random_state为随机数种子，用来控制样本自助抽样的随机性和特征抽样的随机性。如果给定特定值，重新跑模型的时候，可以得出同样的结果。