Scikit-Learn IsolationForest多DataFrame异参拟合实现（非GridSearchCV）

代码逻辑存在两处错误：

• Pipeline模型实例在循环外提前定义，定义时IsolationForest的超参数就已经绑定为当时变量i的取值，循环执行时不会动态匹配参数列表的对应索引值
• 循环内反复调用fit()是在同一个模型对象上重复训练，存入结果字典的全是同一模型的引用，最终所有键对应的模型参数完全一致

将Pipeline实例化逻辑移到循环内部，每次迭代用对应索引的超参数创建全新的独立模型，训练完成后直接计算所需的决策函数值和预测标签，统一存入结果字典：

from sklearn.pipeline import Pipeline
from sklearn.impute import IterativeImputer
from sklearn.preprocessing import StandardScaler
from sklearn.compose import ColumnTransformer
from sklearn.ensemble import IsolationForest

# 5个模型对应的超参数，索引和数据集顺序一一对应（dataset0到dataset4）
n_estimators = [150, 200, 125, 125, 125]
max_samples = [0.70, 0.70, 0.80, 0.70, 0.70]
max_features = [1, 4, 2, 2, 3]
contamination = [0.05, 0.06, 0.05, 0.07, 0.05]

# 数值列定义
num_columns = list(subset_features[1:])

# 结果存储字典，每个索引对应一个数据集的完整结果
clf_res = {}

for i, (df_name, df) in enumerate(dfs.items()):
    print(f'开始训练第{i}个数据集：{df_name}')
    # 每次循环新建独立的预处理流与模型实例，绑定当前索引对应的超参数
    num_transformer = Pipeline([
        ('impute', IterativeImputer()), 
        ('scale', StandardScaler())
    ])
    ct = ColumnTransformer([
        ('num_pipeline', num_transformer, num_columns)
    ])
    clf = Pipeline([
        ('ct', ct),
        ('iforest', IsolationForest(
            n_estimators=n_estimators[i],
            max_samples=max_samples[i],
            max_features=max_features[i],
            contamination=contamination[i],
            n_jobs=4,
            random_state=42 # 如需完全随机可改回None，固定种子可保证结果可复现
        ))
    ])
    # 模型训练
    clf.fit(df)
    # 计算所需输出
    decision_scores = clf.decision_function(df)
    pred_labels = clf.predict(df)
    # 结果入库
    clf_res[i] = {
        "dataset_name": df_name,
        "model": clf,
        "decision_scores": decision_scores,
        "pred_labels": pred_labels
    }

训练完成后可直接按索引取对应数据集的结果：

• 训练好的独立模型：clf_res[索引]["model"]
• 异常决策分数：clf_res[索引]["decision_scores"]
• 异常预测标签（1为正常样本，-1为异常样本）：clf_res[索引]["pred_labels"]
  所有模型均为独立实例，超参数与预设列表一一对应，不会出现参数复用问题。

内容的提问来源于stack exchange，提问作者GSA