1
Amy 原创整理｜资料核验：2026-10-30
scikit-learn文档说明，IsolationForest的contamination用于拟合时确定异常判定阈值，可使用auto，或大于0且不超过0.5的浮点数。默认auto按原论文方式确定阈值，并非自动核实业务里到底有多少异常事件。
教学示例：把contamination设为0.05，表达的是你用于划分模型得分的比例假设，不能据此写出“调查发现5%的交易有问题”。模型输出的异常标签也不是违规、欺诈或设备故障已经被证实的结论。
文档还区分score_samples与decision_function，后者等于前者减去offset_。Amy建议：评估时保留连续得分，抽样复核被标记与未被标记的记录，再结合误报代价选择阈值。不要只调整参数到想要的数量，就把结果当作真实发生率发布。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.IsolationForest.html