Local Outlier Factor (LOF)
Local Outlier Factor (LOF) é um algoritmo de detecção de anomalias não supervisionado e baseado em densidade, introduzido por Breunig, Kriegel, Ng e Sander em 2000. Ele atribui a cada ponto de dados uma pontuação de outlier contínua que quantifica o quão isolado esse ponto está em relação à sua vizinhança local, permitindo a detecção de anomalias que métodos globais perdem porque elas se misturam a agrupamentos densos em outras partes do espaço.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Local Outlier Factor (LOF): Density-Based Anomaly Detection. ScholarGate. https://scholargate.app/pt/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.
- AutoencoderAprendizado profundo↔ compare
- DBSCANAprendizado de máquina↔ compare
- Isolation ForestAprendizado de máquina↔ compare
- One-Class SVMAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →