Kohaliku Outlier Tegur (LOF)
Kohaliku Outlier Tegur (LOF) on tiheduspõhine, järelevalveta anomaaliate tuvastamise algoritm, mille võtsid 2000. aastal kasutusele Breunig, Kriegel, Ng ja Sander. See omistab igale andmepunktile pideva outlier-skoori, mis kvantifitseerib, kui isoleeritud see punkt on oma kohaliku naabruskonna suhtes, võimaldades tuvastada anomaaliaid, mida globaalsed meetodid ei suuda, kuna need segunevad mujal ruumis tihedatesse klastritesse.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Breunig, M. M., Kriegel, H.-P., Ng, R. T., & Sander, J. (2000). LOF: Identifying density-based local outliers. Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data, 93–104. DOI: 10.1145/335191.335388 ↗
- Aggarwal, C. C. (2017). Outlier Analysis (2nd ed., Ch. 4). Springer. ISBN: 978-3-319-47577-6
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 14). Springer. ISBN: 978-0-387-84857-0
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Local Outlier Factor (LOF): Density-Based Anomaly Detection. ScholarGate. https://scholargate.app/et/machine-learning/local-outlier-factor
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AutoencoderSüvaõpe↔ compare
- DBSCANMasinõpe↔ compare
- Isolation ForestMasinõpe↔ compare
- Üheklassi SVMMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →