isolationForest初见

isolationForest主要用于异常检测
sklearn有实现，from sklearn.ensemble import IsolationForest
使用方法和多数算法一样，都是sklearn风格
sklearn文档中对该算法进行了介绍，大意就是：
1.子树是二叉树，只处理连续变量
2.随机找变量，随机找切分点
3.路径长度来度量是否是outliers（原理是异常点路径长度短，证明不知）（路径长度和depth不就是一回事吗？）
4.observation在整个森林上求平均路径长度来度量其异常点可能

参数方面：
1.树数 默认100
2.sample数，默认auto，max_samples = min(256,n_samples)，论文说超过256效果欠佳
3.max_features 文档明确说了每棵树的时候抽样，默认不抽样
4.bootstrap sample抽样默认关闭boostrap

实操：
fit（X）拟合
decision_function输出各个observation的score，有正有负，越小异常可能越大，这里为什么有负？不是平均路径长度吗？需要研究下
还试了score_samples，文档中说是opposite of the abnomaly score，输出出来都是负的，rank和decision_function输出一致