EllipticEnvelope-椭圆包络、鲁棒协方差

1. 方法概述

EllipticEnvelope-椭圆包络、鲁棒协方差 的真实核心主要位于：

• core/calculator.py
• utils/elliptic_envelope_exporter.py
• ui/elliptic_envelope_params_widget.py

从当前项目代码看，这个模块直接调用的是 sklearn 的 EllipticEnvelope，但外围又补了：

1. 特征列与标签列选择；
2. 缺失值处理与缩放；
3. 二维嵌入可视化（PCA / t-SNE）；
4. Top-N 异常样本输出；
5. Excel 与图表导出。

它适合处理“多数样本近似服从椭圆分布，异常点偏离鲁棒协方差结构”的场景。

2. 数据输入与预处理

2.1 输入结构

设特征矩阵为

$$ X=(x_{ij})_{n\times d},\qquad x_i\in\mathbb{R}^d \tag{1} $$

代码允许额外指定：

• id_column
• label_column
• outlier_label_value

其中标签列只用于评估，不参与模型拟合。

2.2 缺失值处理

当前实现支持：

1. drop
2. median
3. mean
4. zero

若采用均值或中位数填补，则对第 \(j\) 个特征有

$$ x_{ij}^{(\text{fill})}= \begin{cases} \bar x_j, & \text{mean}\\ \mathrm{median}(x_{\cdot j}), & \text{median}\\ 0, & \text{zero} \end{cases} \tag{2} $$

2.3 缩放

代码可选：

1. standard
2. robust
3. minmax
4. none

其中标准化形式可写为

$$ z_{ij}=\frac{x_{ij}-\mu_j}{\sigma_j} \tag{3} $$

RobustScaler 则对应以中位数和 IQR 为基础的稳健缩放。

3. 椭圆包络模型

3.1 鲁棒协方差与马氏距离

椭圆包络方法本质上依赖一个鲁棒位置向量 \(\hat\mu\) 与鲁棒协方差矩阵 \(\hat\Sigma\)。对样本 \(x_i\)，马氏距离可写为

$$ D_i^2=(x_i-\hat\mu)^\top \hat\Sigma^{-1}(x_i-\hat\mu) \tag{4} $$

代码会调用 model.mahalanobis(X) 输出这一量，便于后续报告使用。

3.2 分数与阈值

项目同时保留 sklearn 的三种输出：

1. score_samples
2. decision_function
3. pred_label

并额外定义直观异常分数：

$$ \mathrm{anomaly\_score}_i=-\,\mathrm{decision\_function}_i \tag{5} $$

因此：

• decision_function < 0 判异常；
• anomaly_score > 0 越大越异常。

当前代码把阈值固定写成

$$ \hat y_i= \begin{cases} -1, & \mathrm{decision\_function}_i<0\\ 1, & \mathrm{otherwise} \end{cases} \tag{6} $$

即 threshold_decision_function = 0。

3.3 offset_ 的含义

源码还会导出 offset_，它对应 score_samples 这一侧的阈值基准，因此结果表会同时给出：

• threshold_decision_function = 0
• offset_(score_samples threshold)

4. 评估与二维嵌入

4.1 有标签时的指标

若提供标签列且能识别出“异常标签值”，代码会计算

$$ \mathrm{Precision}=\frac{TP}{TP+FP} \tag{7} $$

$$ \mathrm{Recall}=\frac{TP}{TP+FN} \tag{8} $$

$$ \mathrm{F1}=\frac{2\cdot \mathrm{Precision}\cdot \mathrm{Recall}}{\mathrm{Precision}+\mathrm{Recall}} \tag{9} $$

并在二分类标签有效时追加：

• roc_auc
• average_precision

这些指标都是基于 anomaly_score 计算的。

4.2 二维嵌入

当前 UI 支持：

1. pca
2. tsne
3. none

t-SNE 模式下，若样本数过大，代码会随机下采样到 embedding_max_samples 后再嵌入，因此导出的二维散点图不一定覆盖全部样本。

5. 输出结果与论文应用

5.1 Excel 工作表

导出器会保存：

• 参数
• 处理信息
• 原始数据预览
• 原始数据
• 异常得分
• 阈值
• 异常Top
• 指标
• PR曲线
• 二维嵌入
• 标签对照
• 图表清单

5.2 论文写作表述建议

可以写成：

• 采用基于鲁棒协方差估计的 Elliptic Envelope 对样本进行异常检测；
• 以 decision_function=0 为判别阈值，且将 -decision_function 作为异常强度分数；
• 当存在真实标签时，使用 Precision、Recall、F1、ROC-AUC 与 AP 评价检测性能。

6. 实现说明与注意事项

6.1 这是“椭圆分布假设”下的异常检测

若数据本身呈复杂非椭圆形状，EllipticEnvelope 的表现可能弱于 LOF、IsolationForest 等方法。

6.2 当前模块允许自动猜测异常标签值

如果用户不给 outlier_label_value，代码会优先尝试从 -1 / 1 / True / 异常 / outlier / anomaly 等常见值中自动推断。

6.3 Top-N 只影响展示，不改变模型判定

top_n_outliers 只决定 异常Top 工作表输出多少条记录，不会改变 pred_label 的实际判别规则。

7. 论文写作模板

7.1 方法描述模板

“本文采用基于鲁棒协方差估计与椭圆分布假设的异常检测方法，通过鲁棒位置向量与协方差矩阵构造样本的马氏距离，并利用 decision_function 判定样本是否偏离正常椭圆区域。依据项目当前实现，软件同时输出 score_samples、decision_function 与 anomaly_score=-decision_function 三类分数，其中异常判别以 decision_function<0 为准。因此，论文中应同时说明模型依赖近似椭圆分布假设，以及异常分数与判别阈值的代码口径。”

7.2 结果解释模板

结果部分可写为：anomaly_score 越大，说明样本越偏离鲁棒中心区域；当 decision_function<0 时，样本被判为异常。若二维嵌入图中异常点集中分布在椭圆区域外围，则说明鲁棒协方差模型较好地捕捉了主体样本结构；若异常点在嵌入空间中呈现非椭圆散布，则需要进一步讨论该方法与数据分布假设之间的适配性。对于带标签场景，建议同时报告 Precision、Recall、F1、ROC-AUC 与 AP，以从分类阈值与排序分数两个角度评价检测性能。

7.3 表格标题模板

1. 表 1 椭圆包络模型参数与预处理设置表
2. 表 2 样本异常分数与判别结果汇总表
3. 表 3 Top-N 异常样本排序结果表
4. 表 4 带标签场景下椭圆包络检测性能指标表

7.4 图表题注模板

1. 图 1 椭圆包络异常分数分布图。
2. 图 2 椭圆包络异常检测的 PCA 或 t-SNE 二维嵌入散点图。
3. 图 3 椭圆包络模型带标签检测效果对比图。

7.5 表格示例

表 1 椭圆包络异常检测结果表示例

表注：异常判别规则为 decision_function<0；anomaly_score=-decision_function 仅用于更直观地展示异常强度。

8. 单篇终审补充

8.1 图题与表题对齐建议

• 参数 表可写为：表X 椭圆包络模型参数与预处理设置表。
• 处理信息 表可写为：表X 椭圆包络数据处理信息表。
• 原始数据预览 表可写为：表X 原始数据预览表。
• 原始数据 表可写为：表X 椭圆包络原始样本表。
• 异常得分 表可写为：表X 样本异常得分结果表。
• 阈值 表可写为：表X 椭圆包络判别阈值表。
• 异常Top 表可写为：表X Top-N 异常样本排序表。
• 指标 表可写为：表X 椭圆包络检测性能指标汇总表。
• PR曲线 表可写为：表X 椭圆包络 PR 曲线数据表。
• 二维嵌入 表可写为：表X 椭圆包络二维嵌入结果表。
• 标签对照 表可写为：表X 椭圆包络预测标签与真实标签对照表。
• 图表清单 表可写为：表X 椭圆包络图表索引与路径清单。
• score_hist.png 建议写为：图X 椭圆包络异常分数分布图。
• pr_curve.png 建议写为：图X 椭圆包络 PR 曲线图。
• embedding_2d.png 建议写为：图X 椭圆包络二维嵌入散点图。

8.2 终审说明

• 当前代表性结果目录中的真实主工作簿为 EllipticEnvelope-椭圆包络、鲁棒协方差分析结果_20260320_003019_enhanced.xlsx。终稿若引用结果文件名，应直接按这一真实名称书写，不要替换成英文简写版。
• 当前真实工作表是 参数/处理信息/原始数据预览/原始数据/异常得分/阈值/异常Top/指标/PR曲线/二维嵌入/标签对照/图表清单，与一些其他异常检测算法的英文 sheet 体系不同，论文表题必须按这套中文工作表口径对齐。
• 当前实体图文件位于 charts/ 子目录下，代表性图为 score_hist.png、pr_curve.png、embedding_2d.png。如果论文中需要展示 ROC 图，应先确认该次结果目录是否真实生成，而不能直接沿用通用模板。
• 当前代表性目录里未直接列出 repro 脚本，但同算法其他真实结果目录中已有 repro_elliptic_envelope.py，并通过 INPUT_FILE = 'repro_inputs/elliptic_ui_flow_input.csv' 读取输入副本。附录若描述复现实验，应采用这一真实相对路径结构。
• 二维嵌入 是否覆盖全部样本取决于 embedding_method 与 embedding_max_samples。若使用 t-SNE 且样本量较大，导出的二维散点图可能只对应下采样结果，正文里应避免把它解释为“全样本空间结构”的严格投影。

8.3 全量强化补充

本篇终审补充绑定的真实算法目录为 具体的算法3/异常检测/EllipticEnvelope-椭圆包络、鲁棒协方差。本次采用两类真实结果证据：主结果目录 具体的算法3/异常检测/EllipticEnvelope-椭圆包络、鲁棒协方差/results/EllipticEnvelope-椭圆包络、鲁棒协方差分析结果_20260320_003019_enhanced，以及含 repro 证据的 ui_flow 目录 具体的算法3/异常检测/EllipticEnvelope-椭圆包络、鲁棒协方差/results/ui_flow_pytest_elliptic/EllipticEnvelope-椭圆包络、鲁棒协方差分析结果_20260329_170101。

主结果目录中的工作簿为：

• EllipticEnvelope-椭圆包络、鲁棒协方差分析结果_20260320_003019_enhanced.xlsx

ui_flow 目录中实际同时保留：

• EllipticEnvelope-椭圆包络、鲁棒协方差分析结果_20260329_170101.xlsx
• EllipticEnvelope_results.xlsx

这些工作簿实测工作表一致，均包含：

• 参数
• 处理信息
• 原始数据预览
• 原始数据
• 异常得分
• 阈值
• 异常Top
• 指标
• PR曲线
• 二维嵌入
• 标签对照
• 图表清单

因此这一篇不能简单写成“代表性目录只有一份结果簿”。更准确的口径应是：enhanced 目录给出主结果，ui_flow 目录补充了带 repro 的同构结果簿。

主结果目录中的真实图文件位于：

• charts/score_hist.png
• charts/pr_curve.png
• charts/embedding_2d.png

ui_flow 目录中的同构结果也保留了这三张图。因此本轮真实图证据只有异常分数直方图、PR 曲线图和二维嵌入图三类。

复现实物方面，ui_flow 目录实际包含：

• 具体的算法3/异常检测/EllipticEnvelope-椭圆包络、鲁棒协方差/results/ui_flow_pytest_elliptic/EllipticEnvelope-椭圆包络、鲁棒协方差分析结果_20260329_170101/repro_elliptic_envelope.py
• 具体的算法3/异常检测/EllipticEnvelope-椭圆包络、鲁棒协方差/results/ui_flow_pytest_elliptic/EllipticEnvelope-椭圆包络、鲁棒协方差分析结果_20260329_170101/repro_inputs/elliptic_ui_flow_input.csv

脚本中明确写成 INPUT_FILE = 'repro_inputs/elliptic_ui_flow_input.csv'、OUTPUT_DIR = '.'。因此该算法的真实可复现性应写成“主 enhanced 目录负责主结果，ui_flow 目录补充相对路径 repro 证据”，而不是说主结果目录本身已经带 repro 脚本。

9. 软件实现核查补充（2026-07）

• 当前主 enhanced 结果目录应写作 具体的算法3/异常检测/EllipticEnvelope-椭圆包络、鲁棒协方差/results/EllipticEnvelope-椭圆包络、鲁棒协方差分析结果_20260329_170101，ui_flow 复现证据目录应写作 具体的算法3/异常检测/EllipticEnvelope-椭圆包络、鲁棒协方差/results/ui_flow_pytest_elliptic/EllipticEnvelope-椭圆包络、鲁棒协方差分析结果_20260329_170101。
• 正文应围绕 异常分数、阈值、指标、PR曲线、二维嵌入、标签对照、图表清单 来写。
• 图证应对应 score_hist.png、pr_curve.png、embedding_2d.png，并把主结果图和 ui_flow 同构图分开说明。
• 复现脚本应按 repro_elliptic_envelope.py + repro_inputs/elliptic_ui_flow_input.csv 的口径说明。