异常检测—IsolationForest算法简介以及Python实现

2024-01-10 00:48

本文主要是介绍异常检测—IsolationForest算法简介以及Python实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

IsolationForest是一种适合高维数据集的异常值检测算法。

核心思想

通过随机切分数据集,异常点应该是容易被隔离的。

算法简介

  1. 随机选择一个特征,再在该特征下最大与最小值间随机选择一个值作为切分点,递归切分数据集,直到每个样本点被隔开,从而构建一颗类似CART分类树的随机树。重复构建多颗随机树。
  2. 从根节点到叶节点的路径越长,代表该点越难被隔离,即该点越不可能是异常点。计算每个样本点路径长的平均值,即得到该点得分,得分越低越可能是异常点。原论文中,提出了以下方法对异常分值进行归一化:
    论文图片
    式中 c ( ψ ) c(\psi) c(ψ)值样本的个数。s值越大越可能是异常值

代码示例

# 实现IsolationForest高维数据的异常值检测算法
import numpy as np
import math
from collections import Counterclass Node:def __init__(self, val=None, right=None, left=None):self.val = val  # 存储样本索引,仅叶节点self.right = rightself.left = leftclass RandomTree:def __init__(self):self.tree = Noneself.n_feas = Nonedef get_split(self, data, inds):# 随机构建切分点f = np.random.choice(self.n_feas)  # 随机选择一个特征up = max(data[inds, f])down = min(data[inds, f])v = (up - down) * np.random.sample() + down  # 在该特征的最大与最小值间随机选择一个数return f, vdef split(self, data, inds):# 切分数据集f, v = self.get_split(data, inds)left_ind = []right_ind = []for i in inds:if data[i, f] <= v:left_ind.append(i)else:right_ind.append(i)return left_ind, right_inddef buildTree(self, data, inds):if len(inds) < 3:  # 叶节点return Node(val=inds)left_ind, right_ind = self.split(data, inds)left = self.buildTree(data, left_ind)right = self.buildTree(data, right_ind)return Node(left=left, right=right)def fit(self, data):self.n_feas = data.shape[1]inds = np.arange(data.shape[0])self.tree = self.buildTree(data, inds)returndef traverse(self):# 遍历树,统计每个样本的路径长path_len = Counter()i = -1def helper(currentNode):nonlocal ii += 1if currentNode.val is not None:for ind in currentNode.val:path_len[ind] = ireturnfor child in [currentNode.left, currentNode.right]:helper(child)i -= 1returnhelper(self.tree)return path_lenclass IsolationForest:def __init__(self, n_tree, epsilon):self.n_tree = n_treeself.epsilon = epsilon  # 异常点比例self.scores = Counter()def fit_predict(self, data):for _ in range(self.n_tree):RT = RandomTree()RT.fit(data)path_len = RT.traverse()self.scores = self.scores + path_lenn_sample = data.shape[0]phi = 2 * math.log(n_sample - 1) - 2 * (n_sample - 1) / n_samplefor key, val in self.scores.items():self.scores[key] = 2 ** -(val / self.n_tree / phi)  # 归一化q = np.quantile(list(self.scores.values()), 1 - self.epsilon)outliers = [key for key, val in self.scores.items() if val > q]return outliersif __name__ == '__main__':np.random.seed(42)X_inliers = 0.3 * np.random.randn(100, 2)X_inliers = np.r_[X_inliers + 2, X_inliers - 2]X_outliers = np.random.uniform(low=-4, high=4, size=(20, 2))data = np.r_[X_inliers, X_outliers]IF = IsolationForest(100, 0.1)out_ind = IF.fit_predict(data)outliers = data[out_ind]import matplotlib.pyplot as pltplt.scatter(data[:, 0], data[:, 1], color='b')plt.scatter(outliers[:, 0], outliers[:, 1], color='r')plt.show()

参考资料

作者原论文
https://blog.csdn.net/u013709270/article/details/73436588

注:代码未经严格测试,仅作示例,如有不当之处,请指正。

这篇关于异常检测—IsolationForest算法简介以及Python实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/588991

相关文章

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python使用Pandas对比两列数据取最大值的五种方法

《Python使用Pandas对比两列数据取最大值的五种方法》本文主要介绍使用Pandas对比两列数据取最大值的五种方法,包括使用max方法、apply方法结合lambda函数、函数、clip方法、w... 目录引言一、使用max方法二、使用apply方法结合lambda函数三、使用np.maximum函数

MySQL8.0设置redo缓存大小的实现

《MySQL8.0设置redo缓存大小的实现》本文主要在MySQL8.0.30及之后版本中使用innodb_redo_log_capacity参数在线更改redo缓存文件大小,下面就来介绍一下,具有一... mysql 8.0.30及之后版本可以使用innodb_redo_log_capacity参数来更改

C++使用栈实现括号匹配的代码详解

《C++使用栈实现括号匹配的代码详解》在编程中,括号匹配是一个常见问题,尤其是在处理数学表达式、编译器解析等任务时,栈是一种非常适合处理此类问题的数据结构,能够精确地管理括号的匹配问题,本文将通过C+... 目录引言问题描述代码讲解代码解析栈的状态表示测试总结引言在编程中,括号匹配是一个常见问题,尤其是在

Python调用Orator ORM进行数据库操作

《Python调用OratorORM进行数据库操作》OratorORM是一个功能丰富且灵活的PythonORM库,旨在简化数据库操作,它支持多种数据库并提供了简洁且直观的API,下面我们就... 目录Orator ORM 主要特点安装使用示例总结Orator ORM 是一个功能丰富且灵活的 python O

Java实现检查多个时间段是否有重合

《Java实现检查多个时间段是否有重合》这篇文章主要为大家详细介绍了如何使用Java实现检查多个时间段是否有重合,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录流程概述步骤详解China编程步骤1:定义时间段类步骤2:添加时间段步骤3:检查时间段是否有重合步骤4:输出结果示例代码结语作

Python使用国内镜像加速pip安装的方法讲解

《Python使用国内镜像加速pip安装的方法讲解》在Python开发中,pip是一个非常重要的工具,用于安装和管理Python的第三方库,然而,在国内使用pip安装依赖时,往往会因为网络问题而导致速... 目录一、pip 工具简介1. 什么是 pip?2. 什么是 -i 参数?二、国内镜像源的选择三、如何

使用C++实现链表元素的反转

《使用C++实现链表元素的反转》反转链表是链表操作中一个经典的问题,也是面试中常见的考题,本文将从思路到实现一步步地讲解如何实现链表的反转,帮助初学者理解这一操作,我们将使用C++代码演示具体实现,同... 目录问题定义思路分析代码实现带头节点的链表代码讲解其他实现方式时间和空间复杂度分析总结问题定义给定

Java覆盖第三方jar包中的某一个类的实现方法

《Java覆盖第三方jar包中的某一个类的实现方法》在我们日常的开发中,经常需要使用第三方的jar包,有时候我们会发现第三方的jar包中的某一个类有问题,或者我们需要定制化修改其中的逻辑,那么应该如何... 目录一、需求描述二、示例描述三、操作步骤四、验证结果五、实现原理一、需求描述需求描述如下:需要在

如何使用Java实现请求deepseek

《如何使用Java实现请求deepseek》这篇文章主要为大家详细介绍了如何使用Java实现请求deepseek功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1.deepseek的api创建2.Java实现请求deepseek2.1 pom文件2.2 json转化文件2.2