Factorul local de aberație (LOF)
Local Outlier Factor (LOF) este un algoritm de detecție a anomaliilor, bazat pe densitate și nesupervizat, introdus de Breunig, Kriegel, Ng și Sander în 2000. Acesta atribuie fiecărui punct de date un scor continuu de anomalie (outlier score) care cuantifică cât de izolat este acel punct în raport cu vecinătatea sa locală, permițând detectarea anomaliilor pe care metodele globale le-ar rata, deoarece acestea s-ar amesteca în clustere dense din alte părți ale spațiului.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 3). Local Outlier Factor (LOF): Density-Based Anomaly Detection. ScholarGate. https://scholargate.app/ro/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.
- AutoencoderÎnvățare profundă↔ compare
- DBSCANÎnvățare automată↔ compare
- Isolation ForestÎnvățare automată↔ compare
- SVM pentru o singură clasăÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →