随机森林异常检测代码
时间: 2024-04-10 08:25:53 浏览: 44
随机森林异常检测是一种基于随机森林算法的异常检测方法。下面是一个简单的随机森林异常检测的代码示例:
```python
# 导入所需的库
import numpy as np
from sklearn.ensemble import IsolationForest
# 创建一个随机数据集
X = np.random.randn(1000, 2)
# 创建一个IsolationForest对象
clf = IsolationForest(n_estimators=100, contamination=0.1)
# 训练模型
clf.fit(X)
# 预测样本的异常得分
scores = clf.decision_function(X)
# 根据异常得分判断样本是否为异常
predictions = clf.predict(X)
# 打印预测结果
print(predictions)
```
上述代码中,首先导入了需要的库,然后创建了一个随机数据集X。接着创建了一个IsolationForest对象clf,其中n_estimators表示随机森林中树的数量,contamination表示异常样本的比例。然后使用fit方法训练模型,使用decision_function方法获取样本的异常得分,使用predict方法判断样本是否为异常,并将结果打印出来。