每到月底，财务伙伴对着堆积如山的报销单，眼睛发酸是常事——人工审核像“大海捞针”，对于那些异常的费用，稍不注意就漏掉了。今天咱们用Python的孤立森林算法，把“找异常”变成“自动筛”，让大家少熬点夜！
二、孤立森林是啥？用“切西瓜挑榴莲”秒懂原理
我们想象有一筐圆滚滚的西瓜（正常数据）和几个浑身是刺的榴莲（异常数据），闭着眼分开它们：
榴莲“格格不入”，切1-2刀就能单独拎出来（异常数据特征特殊，孤立步数少）；
西瓜长得像，得切好多刀才分得开（正常数据扎堆，孤立步数多）。
核心逻辑：异常数据的“孤立路径”更短，算法用这个特点精准“抓刺头”。
三、PyCharm实战：3步搞定异常报销识别
1. 装库+模拟数据
先装必备库（终端输命令）：
pip install pandas numpy scikit-learn matplotlib
模拟1000条报销数据（含3个天价/高频异常），固定随机种子
import matplotlib.pyplot as pltimport pandas as pdimport numpy as npplt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False# 模拟1003条报销记录np.random.seed(42)data = {'部门': np.random.choice(['销售部', '技术部', '行政部', '财务部'], 1003),'金额': np.random.normal(500, 100, 1000).tolist() + [5000, 6000, 4500],'频次': np.random.normal(3, 1, 1000).tolist() + [15, 18, 20]}df = pd.DataFrame(data)print("数据前5行：")print(df.head())
2. 训练“侦察兵”：构建孤立森林模型
选金额、频次两个关键特征（数值型最管用），用IsolationForest建模：
from sklearn.ensemble import IsolationForest# 选两个关键特征：金额和频次（数值型数据）X = df[['金额', '频次']]# 初始化模型：contamination=0.01表示预计有1%的异常数据model = IsolationForest(contamination=0.01, random_state=42)# 训练模型（fit）+ 预测异常（predict）df['异常标记'] = model.fit_predict(X) # -1表示异常，1表示正常df['异常分数'] = model.decision_function(X) # 分数越接近-1，越异常# 查看被标记为异常的报销单anomalies = df[df['异常标记'] == -1]print("\n异常报销单明细：")print(anomalies[['部门', '金额', '频次', '异常分数']])
3. 可视化“抓现行”：红点=异常一目了然
用Seaborn画散点图，蓝色正常、红色异常：
importseabornassnsplt.figure(figsize=(10, 6))# 正常数据用蓝色，异常数据用红色sns.scatterplot(x='金额', y='频次', hue='异常标记', data=df, palette={1: 'blue', -1: 'red'})plt.title('报销数据异常检测结果（红点=异常）')plt.xlabel('报销金额（元）')plt.ylabel('月报销频次')plt.legend(title='异常标记', labels=['正常', '异常'])plt.show()
四、结果解读：这些“红点”该咋审？
红点特征：金额超5000、频次超15次（比如销售部小李月报18次招待费）；
异常分数：-0.8比-0.2更可疑（分数越负，“孤立”越快）；
实际价值：优先审红点单，效率提80%；若某部门连续多月有红点，得查是否虚报。
五、避坑指南：新手常踩的3个雷
数据预处理：金额单位统一（比如都转“元”），别让“1万”和“10000”打架；
参数调整：contamination按实际改（波动大就设0.05=5%异常）；
特征加量：加“报销间隔”“同类占比”，模型更准（比如“同一商家月刷3次”）。
大家动起手来跑一跑，哪怕揪出1张异常单，也是省时半小时！
喜欢小居的文章：关注、点赞、转发。
有问题评论区留言，需要代码后台“机器学习07”。
