ScikitLearn的IsolationForest决策函数得分的范围是多少？

Question

scikitlearn的IsolationForest类有一个方法decision_function，它返回输入样本的异常分数。然而，文件并没有说明这些分数的可能范围，只说明“分数越低，越不正常”

编辑：在阅读了jmunsch的评论之后，我再次查看了源代码，下面是我最新的猜测： 如果scores formula中的指数始终为负，则分数将始终介于0和1之间，这意味着返回的范围是[-0.5，0.5]，因为方法返回了0.5 - scores。但我不确定指数是否总是负数。在

Answer 1

在Scikit Learn的IsolationForest中，decision_函数返回的值范围为[-0.5，0.5]，其中-.5是最不正常的。

我相信，而且从未见过其他证据。scikitlearn的IsolationForest文档引用了一篇论文Isolation-based Anomaly Detection by Liu et al.，其中等式2定义了异常分数。在本文中，异常分数在0到1之间，其中1是最异常的。在scores function中，您在第267行引用了变量深度。平均值（轴=1）对应于E（h（x））和平均路径长度(self.max_示例_))对应于纸中的c（psi）。因此，在第272行，当函数返回1减去分数时，我们得到[-0.5，0.5]的界限。在

编辑/奖金： 有效的隔离林预测方法是将决策函数值与存储在model.threshold_中的阈值进行比较。因此，在对某些数据调用模型的predict方法后，异常项是满足条件的相同项：model.decision_function(data) < model.threshold_。在