如果我根本没有标记的数据和Python代码来获取相同的异常数据点，如何评估我的异常检测算法？

我试图使用sklearn的隔离林算法在数据集中发现异常。但是，我根本没有任何标记的（异常/非异常）数据。我知道隔离林是一种无监督的算法，我们得到异常分数作为回报，在我们得到异常分数后，我们可以对异常分数进行排序，并根据截止值得到前n个socres。但是，如果模型预测的很好，我们如何评估它呢？还有，我们怎样才能做到这一点。此外，我还对如何从隔离林中获得分数感到困惑。因此，如果可能，同样的python实现将非常有用。我现在正在做这件事

    clf = IsolationForest(n_estimators = 300, contamination = 0.10)
    clf.fit(df)
    scores_pred = clf.decision_function(df)
    print(len(scores_pred))
    print(len(df))
    df['scores'] = scores_pred
    print(df)`

---

验证的唯一方法是了解真相。因此，您需要标记的数据，或者自己进行目视检查，这基本上是动态标记…在这种情况下，评估指标如何？如果不是隔离林生成的异常分数，我还有其他选择吗？您可能想看看这个来进行适当的评估，您需要为验证和测试集标记一些数据。20个实例已经很有用了