使用隔离森林进行无监督异常检测的交叉验证

数据挖掘 机器学习 交叉验证 无监督学习 隔离森林
2022-02-26 13:15:30

我想知道我是否可以为无监督学习执行任何类型的交叉验证或 GridSearchCV。问题是我有地面实况标签（但由于它是无监督的，我只是将它们丢弃用于训练，然后重用它们来测量测试集上的准确度、auc、aucpr、f1-score）。

有没有办法做到这一点？

1个回答

是的 - 您可以将 scikit-learn 的GridSearchCV与无监督算法一起使用。由于 scikit-learn 的 Isolation Forest 没有评分功能，因此必须实现自定义评分功能。它会是这样的：

import numpy as np
from sklearn.ensemble        import IsolationForest
from sklearn.model_selection import GridSearchCV

def scorer(estimator, X): 
    "Custom scoring function"
    return np.mean(estimator.score_samples(X))

isolation_forest = GridSearchCV(IsolationForest(), scoring=scorer)
isolation_forest.fit(X)
其它你可能感兴趣的问题
上一篇时间序列预测。如何使用未来值 下一篇导致“预测”一词被用于数据模型应用的历史