Isolation Forest训练葡萄酒数据集准确率为0.0的问题求助
2026-8-21
问题描述
编辑说明：我正在学习如何发布优质问题，欢迎大家提出意见
我尝试使用IsolationForest()训练葡萄酒数据集，目标是将训练好的模型用于另一个质量调整后的数据集，预测其质量值并筛选出所有质量为8和9的葡萄酒。
但目前遇到了问题，分类报告显示准确率为0.0：
print(classification_report(y_test, prediction)) precision recall f1-score support -1 0.00 0.00 0.00 0.0 1 0.00 0.00 0.00 0.0 3 0.00 0.00 0.00 866.0 4 0.00 0.00 0.00 829.0 5 0.00 0.00 0.00 841.0 6 0.00 0.00 0.00 861.0 7 0.00 0.00 0.00 822.0 8 0.00 0.00 0.00 886.0 9 0.00 0.00 0.00 851.0 accuracy 0.00 5956.0 macro avg 0.00 0.00 0.00 5956.0 weighted avg 0.00 0.00 0.00 5956.0
我不确定这是超参数问题、数据处理错误还是参数设置错误，已尝试使用SMOTE和不使用SMOTE的情况，期望至少达到90%的准确率。
我的代码如下：
from sklearn.preprocessing import OrdinalEncoder from sklearn.ensemble import IsolationForest import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from imblearn.over_sampling import SMOTE from sklearn.metrics import classification_report,confusion_matrix df = pd.read_csv('wines.csv') df.head(5) ordinalEncoder = OrdinalEncoder(handle_unknown='use_encoded_value', unknown_value=-99).fit(df[['color']]) df[['color']] = ordinalEncoder.transform(df[['color']]) df.info() df['color'] = df['color'].astype(int) df.head(3) stm = SMOTE(k_neighbors=4) x_smote = df.drop('quality',axis=1) y_smote = df['quality'] x_smote,y_smote = stm.fit_resample(x_smote,y_smote) print(x_smote.shape,y_smote.shape) x_smote.columns scaler = StandardScaler() X = scaler.fit_transform(x_smote) y = y_smote X.shape, y.shape x_train, x_test, y_train, y_test = train_test_split(X,y,test_size=0.3) from sklearn.ensemble import IsolationForest from sklearn.metrics import hamming_loss iforest = IsolationForest(n_estimators=200, max_samples=0.1, contamination=0.10, max_features=1.0, bootstrap=False, n_jobs=-1, random_state=None, verbose=0, warm_start=False) iforest_fit = iforest.fit(x_train,y_train) prediction = iforest_fit.predict(x_test) print (prediction.shape, y_test.shape) y.value_counts() prediction print(confusion_matrix(y_test, prediction)) hamming_loss(y_test, prediction) from sklearn.metrics import classification_report print(classification_report(y_test, prediction))
问题根源与解决方案
1. 核心错误：用异常检测模型做分类任务
IsolationForest是异常检测算法，不是分类算法。它的predict()方法只会输出1（正常样本）或-1（异常样本），根本无法预测你的多分类标签（3-9）。这就是分类报告里3-9类全部准确率为0的原因——模型输出的只有1和-1，和真实标签完全不匹配。
2. 解决方案步骤
（1）换用分类模型
如果你要预测葡萄酒质量（多分类任务），应该用随机森林、XGBoost、LightGBM这类分类模型，替换掉IsolationForest：
from sklearn.ensemble import RandomForestClassifier # 替换原IsolationForest训练代码 clf = RandomForestClassifier(n_estimators=200, n_jobs=-1, random_state=42) clf.fit(x_train_scaled, y_train_smote) prediction = clf.predict(x_test_scaled) print(classification_report(y_test, prediction))
（2）修正SMOTE与数据缩放的逻辑
你当前先对全量数据做SMOTE再拆分训练测试集，会导致数据泄露。正确流程是：
- 先拆分训练集和测试集
- 只对训练集做SMOTE处理
- 用训练集拟合的Scaler去转换测试集
修正后的数据处理代码：
# 先拆分数据集，避免数据泄露 x = df.drop('quality',axis=1) y = df['quality'] x_train, x_test, y_train, y_test = train_test_split(x,y,test_size=0.3, random_state=42) # 仅对训练集做SMOTE stm = SMOTE(k_neighbors=4) x_train_smote, y_train_smote = stm.fit_resample(x_train, y_train) # 用训练集拟合Scaler，分别转换训练/测试集 scaler = StandardScaler() x_train_scaled = scaler.fit_transform(x_train_smote) x_test_scaled = scaler.transform(x_test)
（3）针对目标优化：筛选8和9类
如果最终目标是筛选质量8和9的葡萄酒，可以把任务转为二分类，让模型更聚焦目标类别：
# 转换标签为二分类：8/9标记为1，其他为0 y_train_bin = np.where(y_train_smote.isin([8,9]), 1, 0) y_test_bin = np.where(y_test.isin([8,9]), 1, 0) # 训练二分类模型 clf = RandomForestClassifier(n_estimators=200, n_jobs=-1, random_state=42) clf.fit(x_train_scaled, y_train_bin) # 用概率输出调整阈值，减少误判 y_proba = clf.predict_proba(x_test_scaled)[:,1] prediction_bin = np.where(y_proba > 0.7, 1, 0) print(classification_report(y_test_bin, prediction_bin))
3. 额外提示
葡萄酒质量数据集的特征与标签相关性不算极强，要达到90%准确率可能需要配合特征工程（比如组合特征、筛选重要特征）；另外不要混淆异常检测和分类任务的适用场景，两者设计目标完全不同。
内容的提问来源于stack exchange，提问作者Gabriel Rodrigues
相关产品推荐
相关产品推荐
