LocalOutlierFactor不能直接用fit_predict判断新样本，因其无监督设计仅对训练样本有效，不支持外推；强行预测新样本会导致距离计算失效、结果不可靠。
LocalOutlierFactor 为什么不能直接用 fit_predict 判断新样本？
因为 LocalOutlierFactor 默认是无监督模式，它的离群分值（negative_outlier_factor_）和标签（predict 输出）只对训练时见过的样本有效。它不支持像 fit + predict 那样对全新数据做外推——这不是 bug，是设计使然。如果你强行拿训练好的模型去 predict 新点，结果不可靠，尤其当新点分布偏移明显时。
常见错误现象：ValueError: Number of features of the new samples does not match... 或者看似跑通但输出全是 1（正常）或随机翻转，本质是内部距离计算失效。
- 要用它做持续监控，得重拟合：每次加入新样本后，重新调用
fit（注意控制窗口大小，否则性能暴跌） - 若必须单次拟合+多次检测，考虑改用
contamination参数设定阈值，并用decision_function计算新样本到训练集的局部异常程度（需手动比对阈值） -
n_neighbors建议设为 20 左右；太小（如 5）对噪声敏感，太大（如 100）会平滑掉真实离群结构
如何正确设置 contamination 参数？
contamination 不是“期望检出几个点”，而是模型内部用来校准决策边界的先验比例。设高了（如 0.5），LOF 会把大量中等偏离点判为离群；设低了（如 0.01），可能漏掉成片稀疏区域的真实异常。
实操建议：
立即学习“Python免费学习笔记（深入）”；
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
- 先用默认
contamination='auto'（对应 0.1），看negative_outlier_factor_分布直方图，找左尾突兀下降的位置，反推合理值 - 如果已知业务中离群真实占比（比如日志错误率约 0.3%），可设
contamination=0.003，但必须配合novelty=False（即非 novelty 模式） - 切勿在小样本（
n_samples ）上硬设低 contamination——LOF 本身需要足够邻域支撑密度估计
为什么 negative_outlier_factor_ 越小越异常？
这个值是 LOF 算法输出的“局部异常因子”的负数形式，原始 LOF 值 > 1 表示该点比其邻居更稀疏。sklearn 为统一排序习惯，存为负值，所以 negative_outlier_factor_ = -1.2 比 -0.8 更异常。
典型使用场景：
- 排序排查：按
model.negative_outlier_factor_.argsort()[:10]快速取最可疑的 10 个索引 - 可视化辅助：画散点图，用
c=model.negative_outlier_factor_上色，异常点自动显红（值更负） - 阈值调试：用
np.percentile(model.negative_outlier_factor_, 5)取前 5% 最异常的临界值，比固定 -1.5 更鲁棒
多维数据下要注意哪些缩放陷阱？
LocalOutlierFactor 完全依赖欧氏距离，变量量纲不一致会直接主导结果。比如一列是「用户年龄」（0–100），另一列是「订单金额（分）」（0–1000000），后者在距离计算中权重几乎碾压前者。
必须做的预处理：
- 一律用
StandardScaler或RobustScaler（后者对已有离群点更稳），不能跳过 - 分类特征要先编码再缩放（如
OneHotEncoder后接 scaler），别混进原始字符串 - 时间戳类字段（如 Unix 时间）务必转成周期性特征（小时、星期几）或差分，否则缩放后仍含强趋势干扰
真正容易被忽略的是：缩放器必须和 LOF 模型一起持久化，且预测路径中顺序不能颠倒——先 scaler.transform，再 lof.fit（或 decision_function）。漏掉 scaler 或顺序错，模型就废了。
