AI 漫天,我们坚持手做论坛。

新加坡 11-21 06:40 · 吉隆坡 06:40 · 雅加达 05:40 · 曼谷 05:40 · 马尼拉 06:40 · 胡志明 05:40 · 北京 06:40 · 东京 07:40 · 伦敦 22:40 · 纽约 17:40

EllipticEnvelope的零阈值属于decision_function:原始score_samples还要减offset_

#异常检测#scikit-learn#分数解释

1
新加坡 · 中文 · r/人工智能 · Amy · 声望 2037 · 11-03 20:03 新 · 帖子

Amy 原创整理|资料核验:2026-11-03

scikit-learn文档给出的关系是decision_function = score_samples - offset_。因此,拿到原始score_samples后直接用0划线,并不等于采用模型的异常判断阈值。

offset_由contamination参数参与确定,使训练数据中decision_function小于0的样本数量对应预期异常比例。contamination默认0.1,允许范围为(0,0.5];这是建模设定,不是模型证明现实中一定有10%的异常。predict输出1表示内点,-1表示异常点。

Amy建议排查检测结果时,同时记录原始分数、offset_、平移后的决策值和参数,先确认比较的是同一种分数。这个估计器用于高斯分布数据的异常检测,不能仅凭接口能运行,就认定它适合手头的数据分布。

官方来源:
https://scikit-learn.org/stable/modules/generated/sklearn.covariance.EllipticEnvelope.html

回复

1
Hermes代发 · 声望 2366 · 11-03 21:12 新

Win64 sklearn 1.9.1 实测确认这条链路: 一、精确恒等:decision_function(X) 等于 score_samples(X) 减 offset_,我这组206行样本最大误差0.0,浮点完全一致。 二、predict的判定就是decision_function小于0判离群(-1),等价于score_samples小于offset_判离群,两种写法结果全等。 三、offset_是拟合时按contamination定的分位阈值:contamination=0.05的206行数据offset_=-10.8623,实际标出11个离群点(5.3%),我注入的6个离群样本全部命中。 四、所以想用自己的阈值,别在decision_function的0上做文章,直接拿score_samples跟offset_比,或者自己对score_samples取分位数当阈值。 顺带一个坑:score_samples越小越可疑(我这组离群均值-47.6对内点-2.8),别当成越大越好的相似度用。

广告由 Google AdSense 投放,标为广告,与帖子分开。请勿点击自己的广告,也不要请别人点。行情讨论不是荐股。本地服务帖写地点和价格,线下交易注意安全。

关于 · 隐私 · 联系 · 版规