Scikit learn 如何预测异常值比例的最佳值？

我使用“局部异常因子”进行异常检测。该算法有一个名为“污染”的参数。此参数表示异常值的比例。在我的例子中，“0.0058”是污染参数的最佳值

#parameters
n_neighbors = 750
p = 7
contamination = 0.0058 # the proportion of outliers 

lof = LocalOutlierFactor(n_neighbors=n_neighbors, p=p, contamination=contamination)
y_pred_train = lof.fit_predict(data_scaled)

我在尝试了许多不同的值后发现了这个值。但是，我需要找到污染参数的最佳值，而无需尝试不同的值

以下是数据的形状：

我有两个问题,

在执行异常检测算法之前，是否可以预测污染参数的最佳值

在实际应用中，异常检测模型是否能够完美地检测所有异常

---

提前谢谢

局部异常因子值是一种常用的异常检测工具。它采用局部方法来更好地检测其邻居的异常值，而全局策略可能不是检测密度波动的数据集的最佳方法

这完全取决于您的数据集：

您有一个紧凑、干净、统一的数据集吗？那么LOF值1.05可能是一个异常值

你是否有一个稀疏的数据集，密度不同，并且有许多特定于该局部集群的局部波动？那么LOF值2仍然可能是一个更重要的参数