Machine learning
局所外れ値因子 (LOF)
局所外れ値因子 (LOF) は、Breunig、Kriegel、Ng、Sander によって2000年に導入された、密度ベースの教師なし異常検知アルゴリズムです。各データ点に、その点が局所的な近傍と比較してどれだけ孤立しているかを定量化する連続的な外れ値スコアを割り当て、空間内の他の場所にある密なクラスターに紛れ込んでしまうためにグローバルな手法では見逃される異常の検出を可能にします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Local Outlier Factor (LOF): Density-Based Anomaly Detection. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →