IsolationForest 比 Z-Score 更适合高维数据，因其不依赖分布假设、无需协方差矩阵，通过随机分割孤立异常点，对特征相关性与量纲差异不敏感；Z-Score 在维度＞5时易失效。
IsolationForest 为什么比 Z-Score 更适合高维数据
因为 IsolationForest 不依赖分布假设，也不需要计算协方差矩阵——Z-Score 在 >5 维时就容易失效，而 IsolationForest 直接通过随机分割“孤立”异常点，对特征相关性、量纲差异都不敏感。
常见错误现象：IsolationForest 在单变量上跑出大量异常（比如 30% 样本被标为异常），其实是 contamination 参数设得太高或没归一化；但更隐蔽的问题是：它对样本量极低（
-
contamination别硬设 0.1，先用contamination='auto'（v0.22+），让模型自己估算 - 如果特征量纲差异大（比如年龄和收入），必须先用
StandardScaler或RobustScaler，否则距离计算会失真 - 训练前删掉全 NaN 行，
IsolationForest不支持NaN输入，否则报错ValueError: Input contains NaN
fit_predict 和 decision_function 的区别在哪
fit_predict 返回的是 -1（异常）和 1（正常）的整数标签，适合直接过滤；decision_function 返回的是异常程度得分（越负越异常），适合排序或设定动态阈值。
使用场景：做报警系统时用 decision_function 更灵活，比如只告警 top 5% 最可疑样本；但做清洗时用 fit_predict 更直接。
立即学习“Python免费学习笔记（深入）”；
- 调用
decision_function前必须先fit，不能跳过训练直接预测 - 得分不是概率，不能用
predict_proba——IsolationForest没有该方法 - 如果想复现结果，记得固定
random_state，否则每次fit_predict结果都可能不同
如何避免在小样本或类别不平衡数据上误判
IsolationForest 是无监督算法，但它对“正常”样本的密度很敏感。当正常样本本身稀疏（比如只有 200 条交易记录，其中 3 条欺诈），模型容易把正常点也切碎，导致漏检。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
性能影响：增大 n_estimators（默认 100）能提升稳定性，但超过 200 后收益递减；真正有效的是调整树的深度和抽样策略。
- 用
max_samples=min(256, len(X))控制每棵树训练样本量，避免在小数据上过度抽样 -
max_features=1.0强制每棵树用全部特征，防止高维下随机丢特征导致判别力下降 - 别单独对某类样本（如“欺诈标签=1”的行）再跑一遍
IsolationForest——它不是为监督任务设计的，强行这样用会破坏统计基础
输出异常索引后怎么安全剔除原始 DataFrame
直接用布尔索引过滤最稳妥，千万别用 drop 配合 iloc 或位置索引——原始 DataFrame 如果带非连续索引（比如读 CSV 时跳过空行），位置错位会导致删掉正常样本。
可给出简短示例：
from sklearn.ensemble import IsolationForest import pandas as pd <p>model = IsolationForest(contamination='auto', random_state=42) preds = model.fit_predict(X) # X 是 numpy array 或 pd.DataFrame mask = preds == 1 # 只保留正常样本 df_clean = df.iloc[mask] # 注意：这里 df 和 X 行序必须一致
容易踩的坑：X 如果是从 df[['a','b','c']] 构造的，但中间有 dropna() 或 reset_index(drop=True)，那 df 和 X 行序就对不上了——必须确保二者索引严格对齐，或者统一用 df.reset_index(drop=True) 再构造 X。
复杂点在于：异常检测不是终点，而是起点。后续是否重采样、是否人工复核、是否联动规则引擎，得看业务容忍度，模型本身不回答“这个异常值该不该删”。
