您可以在https://github.com/scikit-learn/scikit-learn/blob/a24c8b46/sklearn/ensemble/iforest.py#L229找到 Python 中隔离森林的 sklearn 实现

它计算对新样本进行分类所需的平均路径深度。它们相对于理论平均路径长度进行评分。不使用原始训练数据，只使用学习树。

是的，它通过训练模型中的每棵树（分别）传递每个新点，然后使用完全相同的原始子集数据（加上这个单个新点）运行完全相同的拆分，以确定步数（异常分数）直到这个新点被孤立。然后它将平均从该测试实例的所有树计算的路径长度，这将是最终的异常分数，然后在 0-1 范围内进行归一化。