Local Outlier Factor (LOF)
Local Outlier Factor (LOF) è un algoritmo di rilevamento di anomalie non supervisionato basato sulla densità, introdotto da Breunig, Kriegel, Ng e Sander nel 2000. Assegna a ciascun punto dati un punteggio di outlier continuo che quantifica quanto quel punto sia isolato rispetto al suo vicinato locale, consentendo il rilevamento di anomalie che i metodi globali non riescono a cogliere perché si fondono in cluster densi altrove nello spazio.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Local Outlier Factor (LOF): Density-Based Anomaly Detection. ScholarGate. https://scholargate.app/it/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.
- AutoencoderApprendimento profondo↔ compare
- DBSCANApprendimento automatico↔ compare
- Isolation ForestApprendimento automatico↔ compare
- One-Class SVMApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →