用于无监督异常检测的 Python AUC 计算（隔离森林、椭圆包络，...）

Posted 2023-02-15

【中文标题】用于无监督异常检测的 Python AUC 计算（隔离森林、椭圆包络，...）

【英文标题】：Python AUC Calculation for Unsupervised Anomaly Detection (Isolation Forest, Elliptic Envelope, ...)

【发布时间】：2018-05-25 02:50:16

【问题描述】：

我目前正在研究异常检测算法。我阅读了比较基于 AUC 值的无监督异常算法的论文。例如，我有来自 Elliptic Envelope 和 Isolation Forest 的异常分数和异常类。我如何根据 AUC 值比较这两种算法。

我正在寻找一个 python 代码示例。

谢谢

【参考方案1】：

问题解决了。到目前为止我已完成的步骤；

1) 异常函数后收集类和分数 2) 将异常分数转换为 0 - 100 等级，以便更好地与不同的算法进行比较 3) Auc 要求这个变量是数组。我的错误是将它们用作一直返回“nan”的数据框列。

Python 脚本：

#outlier_class and outlier_score must be array
fpr,tpr,thresholds_sorted=metrics.roc_curve(outlier_class,outlier_score)
aucvalue_sorted=metrics.auc(fpr,tpr)
aucvalue_sorted

问候，

塞克金丁克

【参考方案2】：

虽然你已经解决了你的问题，我的 2 美分 :)

一旦您决定使用哪种算法方法来比较它们（可以说是您的“评估协议”），那么您可能会对在实际数据集上运行挑战者的方法感兴趣。

这个tutorial 解释了如何做到这一点，基于一个示例（比较多个数据集上的多项式拟合算法）。

（我是作者，欢迎在github页面提供反馈！）