孤立森林非万能异常检测器：对高维稀疏数据、小样本（n_samples<256）、近似重复样本及全局离群点敏感，需结合数据特性调参或融合其他方法。
孤立森林（IsolationForest）在 Scikit-learn 中不是“异常检测的万能开关”，它对高维稀疏数据、样本量过小（n_samples ）或特征无明显区分度的情况容易失效——直接调用默认参数常导致大量误判。
为什么 IsolationForest 的 contamination 参数不能乱设
这个参数不是“设定你希望多少比例是异常”，而是模型训练时用来剪枝和确定异常得分阈值的内部参考值。设得过高（如 0.5）会让模型把正常点也切进“易隔离”分支，结果全是异常；设得太低（如 0.001）又可能漏掉真实异常。
- 实际建议：先用领域知识预估异常比例，再设为
contamination=0.05或0.1起步 - 更稳妥的做法是忽略它，训练完用
decision_function(X)得到连续异常分数，再用业务阈值（比如分数-0.3）人工判定 -
contamination='auto'（v1.2+）会尝试用箱线图启发式估计，但仅适用于单变量或强主成分场景，多维下不推荐
训练前必须做标准化吗？看特征尺度是否影响树的分割逻辑
IsolationForest 本身不依赖距离或梯度，理论上对量纲不敏感——但它靠随机选特征+随机切分值构建树，如果某特征取值范围是 [0, 1]，另一特征是 [0, 1000000]，后者被随机选中后切分点大概率落在尾部，导致该维度几乎不参与有效隔离。
- 实测发现：未标准化时，
feature_importances_（需手动提取）常集中在量纲大的特征上，掩盖真实异常模式 - 推荐做法：用
StandardScaler或RobustScaler（对离群值鲁棒）统一处理，尤其当特征含收入、ID、计数类混合字段时 - 注意：别对时间戳、类别编码后的整数做标准化——它们不是数值型连续特征
predict() 返回的 -1 和 1 到底对应什么
这是最容易混淆的一点：-1 表示“被判定为异常”，1 表示“被判定为正常”。但它不是概率，也不代表置信度——同一模型多次运行（因随机种子不同）可能给出不同结果。
立即学习“Python免费学习笔记（深入）”；
- 验证方式：用
score_samples(X)查看原始异常分数（越小越异常），比predict()更稳定 - 部署时别直接用
if pred == -1:做告警，应结合分数分布做动态阈值（例如取最低 5% 分数对应的样本） - 若需解释性，可配合
estimators_[0].decision_path(X)看某样本被隔离所需的平均路径长度，短路径 = 更易异常
真正难的是定义“什么是异常”——模型只响应你给的数据结构和参数选择，它不会替你判断某笔交易是否欺诈、某台服务器是否故障。把 IsolationForest 当成探针，不是判决书。
