IsolationForest 需慎用 predict() 的 -1/+1 输出，因 contamination 预设易致误判；应改用 score_samples() 获取异常分数并以分位数定阈值，且必须标准化数值特征、编码类别变量、处理缺失值，并通过路径长度与SHAP归因验证异常合理性。
IsolationForest 不是“检测离群点”的万能开关，它本质是无监督异常评分模型，直接用 predict() 返回的 -1/+1 容易误判，尤其在数据分布偏斜或特征量纲差异大时。
为什么 predict() 的 -1 常常不准
IsolationForest 默认用 contamination=0.1 估算异常比例，但这个值是训练前预设的，不是从数据里学出来的；一旦真实异常率远低于 0.1（比如 0.005），predict() 就会硬凑出 10% 的 -1 标签，把正常样本也标成异常。
- 实际异常率未知时，别依赖
predict()的布尔输出，改用decision_function()或score_samples()拿原始异常分数 -
score_samples()返回的是“异常程度负值”：越小越异常（注意是负数，-0.8 比 -0.2 更可疑） - 用分位数切阈值更稳，比如取
np.percentile(scores, 99)作为临界点，比直接信contamination参数靠谱
特征缩放不是可选项，而是必须项
IsolationForest 虽不依赖距离度量，但树分裂时按特征值大小切分——若某列是收入（单位：元），另一列是年龄（单位：岁），前者方差大几十倍，分裂几乎全发生在收入列，其他特征被忽略。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
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
- 必须对所有数值特征做标准化：
StandardScaler或RobustScaler（后者对已有异常值更鲁棒） - 类别型变量不能直接丢进去，得先用
OneHotEncoder或OrdinalEncoder转换，否则fit()会报ValueError: Input contains NaN, infinity or a value too large for dtype('float64') - 缺失值要显式处理：IsolationForest 不支持
NaN，SimpleImputer(strategy='median')是较安全的选择
如何判断模型到底有没有抓到真异常
没有标签时，只能靠人工抽查 + 特征归因。别只看 predict() 输出，重点检查高分异常样本在哪些特征上显著偏离群体。
立即学习“Python免费学习笔记（深入）”；
- 对每个被标为异常的样本，调用
estimator.apply(X_sample.reshape(1, -1))获取它经过的路径长度，和训练集平均路径长对比 - 用
shap.TreeExplainer算特征贡献，看是哪个维度把样本“推”向异常区（例如：所有异常样本都集中在transaction_amount> 5000 且time_since_last_login - 画单变量分布直方图，叠加上异常样本的核密度曲线，确认它们确实落在尾部而非中间凹陷处
IsolationForest 的核心优势在于快和内存友好，但它对“什么是异常”的定义非常松散——它找的是“容易被孤立”的点，不保证符合业务逻辑。上线前务必用历史已知欺诈/故障样本反查召回率，而不是只看 AUC。
