Isolation Forest孤立森林（二）之sklearn实现,源码分析

孤立森林算法sklearn实现,源码分析

算法一： 首先初始化一些参数

class sklearn.ensemble.IsolationForest(n_estimators=100, max_samples=’auto’, contamination=’legacy’, max_features=1.0, bootstrap=False, n_jobs=None, behaviour=’old’, random_state=None, verbose=0)

参数解释:n_estimators = 构建多少个itree

              max_samples=采样数，自动是256

             contamination=c(n)默认为0.1 

            max_features=最大特征数 默认为1

           bootstrap=构建Tree时，下次是否替换采样，为True为替换，为False为不替换

           n_jobs=fit和perdict执行时的并行数

第二步进行fit训练：def fit(self, X, y=None, sample_weight=None):

其中max_samples:

if self.max_samples == 'auto':

max_samples = min(256, n_samples) #如果输入的采样数大于256，就选择256，小于256选择输入的max_samples
itree的最大路径为:max_depth = int(np.ceil(np.log2(max(max_samples, 2))))

然后将max_samples,max_depth,X，sample_weight  传入

super(IsolationForest, self)._fit(X, y, max_samples,
                                  max_depth=max_depth,
                                  sample_weight=sample_weight)

进行统计：使用Scipy我们很方便的得到数据所在区域中某一百分比处的数值

self.threshold_ = -sp.stats.scoreatpercentile(
    -self.decision_function(X), 100. * (1. - self.contamination))   

 return self

fit方法就此结束了，下面是创建树也是进行分类的过程。

def decision_function(self, X):

 

 

 

未完待续