Machine learning
Local Outlier Factor (LOF)
Local Outlier Factor (LOF) הוא אלגוריתם לאיתור אנומליות בלתי מונחה (unsupervised) מבוסס-צפיפות, שהוצג על ידי Breunig, Kriegel, Ng, ו-Sander בשנת 2000. הוא מקצה לכל נקודת נתונים ציון חריגות רציף המכמת עד כמה הנקודה מבודדת ביחס לשכונה המקומית שלה, ומאפשר זיהוי אנומליות ששיטות גלובליות מפספסות מכיוון שהן נבלעות באשכולות צפופים במקומות אחרים במרחב.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Local Outlier Factor (LOF): Density-Based Anomaly Detection. ScholarGate. https://scholargate.app/he/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.
- מפענח-מצפין (Autoencoder)למידה עמוקה↔ compare
- DBSCANלמידת מכונה↔ compare
- יער בידודלמידת מכונה↔ compare
- מכונת וקטורים תומכים חד-מחלקתית (One-Class SVM)למידת מכונה↔ compare