Scikit-Learn的IsolationForest decision_function得分范围是多少？

Question

Scikit-Learn的IsolationForest类有一个方法decision_function，它返回输入样本的异常分数。但是，文档没有说明这些分数的可能范围是什么，并且只表示＆＃34;分数越低，越不正常。＆＃34;

编辑：在阅读了jmunsch的评论后，我再次查看了源代码，这是我更新的猜测： 如果scores formula中的指数始终为负，则分数将始终在0和1之间，这意味着返回的范围为[-0.5,0.5]，因为方法返回0.5 - scores。但我不确定指数是否总是负数。

Answer 1

在Scikit-Learn的IsolationForest中，decision_function返回的值在[-0.5，0.5]范围内，其中-.5是最异常的。

或者我相信而且从未见过其他证据。 Scikit-Learn的IsolationForest的文档引用了论文Isolation-based Anomaly Detection by Liu et al.，其中等式2定义了异常得分。在本文中，异常得分在0到1之间，其中1是最异常的。在scores function中，您在第267行中引用的变量depths.mean（axis = 1）对应于E（h（x）），_ average_path_length（self.max_samples_））对应于本文中的c（psi）。因此，在第272行，当函数返回1减去分数时，我们得到的边界为[-0.5，0.5]。

编辑/奖励： 隔离林的预测方法有效地只是将Decision_function值与model.threshold_中存储的阈值进行比较。因此，在对某些数据调用模型的预测方法后，异常项就是满足条件的相同项：model.decision_function(data) < model.threshold_。