我有一个不包含异常值的训练数据集：
train_vectors.shape
(588649, 896)
而且，我有另一组测试向量(test_vectors(，它们都是异常值。
这是我进行异常值检测的尝试：
from sklearn.ensemble import IsolationForest
clf = IsolationForest(max_samples=0.01)
clf.fit(train_vectors)
y_pred_train = clf.predict(train_vectors)
print(len(y_pred_train))
print(np.count_nonzero(y_pred_train == 1))
print(np.count_nonzero(y_pred_train == -1))
Output:
588649
529771
58878
因此，这里的异常值百分比约为 10%，这是用于 sklearn 中隔离林的默认污染参数。请注意，训练集中没有任何异常值。
测试代码和结果：
y_pred_test = clf.predict(test_vectors)
print(len(y_pred_test))
print(np.count_nonzero(y_pred_test == 1))
print(np.count_nonzero(y_pred_test == -1))
Output:
100
83
17
因此，它只能检测到 100 个异常中的 17 个。有人可以告诉我如何提高性能吗？我完全不确定为什么算法要求用户指定污染参数。我很清楚它被用作阈值，但我如何事先知道污染水平。谢谢！
IsolationForest 的工作方式与您:)描述的略有不同。contamination是：
The amount of contamination of the data set, i.e. the proportion of outliers in the data set. Used when fitting to define the threshold on the decision function.链接
这意味着您的训练集应包含大约 10% 的异常值。理想情况下，您的测试集也应该包含大约相同数量的异常值 - 并且它不应该只包含异常值。
train set and test set proportions
------------------------------------------------
| normal ~ 90% | outliers 10%|
------------------------------------------------
尝试按照描述更改数据集比例，然后使用您发布的代码重试！
希望这有帮助，祝你好运！
附言您也可以尝试仅使用普通实例训练的OneClassSVM - 测试集也应该与上面非常相似，而不仅仅是异常值。
虽然这个问题已经有几年了，但我发布这个是为了将来的参考和人们提出类似的问题，因为我目前处于类似的情况。
在Scikit Learn文档中，它指出：
异常值检测：训练数据包含异常值，这些异常值定义为与其他观测值相去甚远的观测值。因此，异常值检测估计器尝试拟合训练数据最集中的区域，忽略偏差观测值。
新颖性检测：训练数据不受异常值的污染，我们有兴趣检测新观测值是否为异常值。在这种情况下，异常值也称为新颖性。
从问题的这一部分来看"(.这里的异常值百分比约为 10%，这是 sklearn 中用于隔离林的默认污染参数。请注意，训练集中没有任何异常值。这表明您可能想要使用的实际上是新颖性检测。
正如@mkaran建议的那样，OneClassSVM 可用于新颖性检测，但是，由于它有点慢，我建议在这种情况下的任何人尝试使用本地异常值因子。 此外，从 sklearn 版本 0.22 开始，隔离森林算法不需要污染，这可能非常有用。