Python异常检测怎么做？使用IsolationForest识别离群点的方法与实战

在数据分析与风控场景中，我们常常需要从大量正常样本中找出极少数行为异常的记录。Python的scikit-learn提供了IsolationForest算法，它专门用来做无监督的异常检测，能够高效识别离群点。下面我们直接看怎么用。

IsolationForest的基本原理

IsolationForest字面意思是孤立森林，它由多棵孤立树组成。普通点因为和周围样本密集，需要多次切分才能被单独分出来；而离群点由于远离群体，很容易被一刀切开并单独隔离。算法用平均隔离路径长度衡量异常程度，路径越短，越可能是异常。

核心参数说明

使用步骤与代码示例

1. 准备数据与模型训练

我们用sklearn自带的make_blobs造一些带离群点的数据，然后训练模型。

from sklearn.ensemble import IsolationForest
from sklearn.datasets import make_blobs
import numpy as np

# 生成正常簇样本
X, _ = make_blobs(n_samples=300, centers=1, cluster_std=0.5, random_state=0)
# 手动加入几个明显离群点
outliers = np.array([[10, 10], [-10, -8], [9, -9]])
X = np.vstack([X, outliers])

# 初始化模型，设定异常比例为5%
model = IsolationForest(n_estimators=100, contamination=0.05, random_state=42)
model.fit(X)

# 预测，-1表示异常，1表示正常
labels = model.predict(X)
print(labels)

2. 查看异常得分

除了标签，还可以用decision_function拿到异常分数，值越小越异常。

scores = model.decision_function(X)
# 打印最后三个离群点的得分
print(scores[-3:])

实际项目中的注意点

• contamination要根据业务经验设定，不要盲目用默认值。
• 如果特征量纲差异大，建议先标准化再训练。
• 孤立森林对高维稀疏数据效果会下降，可先做降维。

异常检测不是追求百分百准确，而是用低成本圈出值得人工复核的少数样本。

小结

使用Python的IsolationForest做异常检测非常简单，核心就是构造数据、设定contamination、fit预测三步。它不需要标签，适合冷启动阶段快速发现离群点。后续可结合业务规则进一步确认告警。

PythonIsolationForest异常检测修改时间：2026-07-28 10:03:19