IsolationForest.fit() 报 ValueError: Found array with 0 sample(s) 的根本原因是输入 X 为空或含全 NaN；必须确保 X 为非空二维数组且无缺失值，再正确设置 contamination（推荐 'auto'）并用原始索引对齐预测结果。
IsolationForest.fit() 为什么总报 ValueError: Found array with 0 sample(s)？
常见原因是传入的训练数据 X 是空数组、全 NaN，或形状为 (0, n_features)。Scikit-learn 的 IsolationForest 不允许空样本，且对缺失值零容忍——它不自动忽略 np.nan，会直接抛出该错误。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
np.isnan(X).any()或pandas.isna(X).sum().sum()检查缺失值，必须先用SimpleImputer或dropna()处理 - 确认
X是二维：形状应为(n_samples, n_features)，哪怕只有一列也要写成X.reshape(-1, 1) - 避免直接传入 Series（如
df['col']），优先用df[['col']]或df.values
contamination 参数设多少才合理？
contamination 控制模型对异常比例的先验假设，直接影响 predict() 输出的 -1/+1 判定边界，也影响 decision_function() 的阈值位置。它不是“准确率目标”，而是建模时的超参杠杆。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 若已知业务中异常占比约 2%，可设
contamination=0.02；但实际数据往往未知，建议从0.1开始试探 - 设得过高（如
0.5）会导致大量正常点被判为异常，召回高但误报爆炸 - 设得过低（如
0.001）会使模型过于保守，漏掉真实异常，尤其在小数据集上易失效 - 更稳健的做法是暂设
contamination='auto'（v0.22+ 默认），让模型基于score_samples()分布自动估算，再人工校验 top 异常样本
predict() 返回 -1 和 1，怎么映射回原始 DataFrame 的索引？
IsolationForest.predict() 只返回一维数组，不带索引信息。如果输入 X 来自 pandas.DataFrame，且中间做过切片、排序或 dropna，直接用预测结果对齐原始行会错位。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 始终保留原始索引：用
X = df[feature_cols].copy()而非df[feature_cols].values，然后调用model.predict(X) - 把结果转成 Series 并复用原索引：
anomaly_flag = pd.Series(model.predict(X), index=X.index) - 若必须用 numpy 数组训练，训练前先记录索引：
orig_idx = df.index，预测后用pd.Series(preds, index=orig_idx)对齐 - 注意：
fit()和predict()必须用同一份清洗后的X，不能 fit 用 A、predict 用 B
为什么 decision_function() 得分越低反而越可能是异常？
IsolationForest.decision_function(X) 返回的是“异常程度得分”，**负值越大（即数值越小）表示越异常**。这和直觉相反，因为底层计算的是路径长度归一化后的负偏移量：正常点平均路径长，异常点路径短，归一后表现为负数。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 不要按 >0 / contamination 查找分位数阈值，例如：
threshold = np.percentile(scores, 100 * contamination) - 用
model.score_samples(X)更直观：返回“异常分数”，值越大越异常（正向语义），但注意该方法返回的是负的decision_function值 - 可视化时画直方图，异常点通常聚集在左端（低分区域），别误当成噪声丢弃
实际部署时最容易被忽略的是：训练时用了标准化（如 StandardScaler），预测时忘了对新数据做同样变换——IsolationForest 对量纲敏感，特征尺度差异大会显著降低检测效果。它不像树模型完全免疫，尤其当某维特征方差远大于其他维时，分割倾向会严重偏移。
