生成一段孤立森林算法的异常检测代码

以下是一段使用孤立森林算法进行异常检测的代码示例：

from sklearn.ensemble import IsolationForest
import numpy as np

# 生成一些随机数据
X = np.random.randn(100, 2)

# 创建孤立森林模型
clf = IsolationForest(n_estimators=100, contamination=.1)

# 拟合模型并进行预测
clf.fit(X)
y_pred = clf.predict(X)

# 输出异常点的索引
print(np.where(y_pred == -1)[])

这段代码使用了 scikit-learn 中的孤立森林算法实现了异常检测。其中，`n_estimators` 参数表示森林中树的数量，`contamination` 参数表示异常点的比例。在拟合模型后，我们可以使用 `predict` 方法对数据进行预测，得到每个样本的标签，其中 `-1` 表示异常点。最后，我们可以使用 `np.where` 函数找到所有异常点的索引。