Scikit-learn Isolation Forest：如何提取样本路径长度？

sklearn的IsolationForest没有直接提供获取样本路径长度的API，但可以通过访问模型内部的树结构来计算。路径长度是样本从根节点到叶子节点经过的边数，每棵树的路径长度取平均就是最终用于计算异常分数的基础值。

实现步骤： #

• 训练IsolationForest模型后，遍历模型中存储在estimators_属性里的每棵树。
• 对每个样本，通过树的decision_path方法获取路径节点矩阵，统计路径中的节点数量，边数等于节点数减1。
• 将所有树的路径长度取平均，得到每个样本的平均路径长度。

代码示例： #

from sklearn.ensemble import IsolationForest
import numpy as np

# 生成示例数据并训练模型
X = np.random.randn(100, 5)
clf = IsolationForest(n_estimators=10, random_state=42)
clf.fit(X)

def get_path_lengths(model, X):
    path_lengths = []
    for tree in model.estimators_:
        # 获取每个样本的路径节点稀疏矩阵
        node_path = tree.decision_path(X)
        # 计算单棵树中每个样本的路径长度（节点数-1）
        tree_path_len = node_path.sum(axis=1).A1 - 1
        path_lengths.append(tree_path_len)
    # 取所有树的路径长度平均值
    avg_path_length = np.mean(path_lengths, axis=0)
    return avg_path_length

# 获取每个样本的平均路径长度
avg_path = get_path_lengths(clf, X)
print(avg_path[:5])  # 打印前5个样本的路径长度

说明： #

• estimators_属性存储了IsolationForest中所有孤立树，每棵树是ExtraTreeClassifier实例。
• decision_path(X)返回的稀疏矩阵，每行对应一个样本的路径节点，sum(axis=1)统计节点总数后减1，就是实际经过的边数（路径长度）。
• 最终的平均路径长度是IsolationForest计算异常分数的核心指标，异常分数是对该值做归一化处理后的结果。

内容的提问来源于stack exchange，提问作者MVMV