Local Outlier Factor (LOF)
Local Outlier Factor (LOF) je neprístrojový (unsupervised) algoritmus na detekciu anomálií založený na hustote, ktorý predstavili Breunig, Kriegel, Ng a Sander v roku 2000. Každému dátovému bodu priradzuje spojité skóre odľahlosti (outlier score), ktoré kvantifikuje, ako izolovaný je daný bod vzhľadom na svoje lokálne okolie. To umožňuje detekciu anomálií, ktoré globálne metódy prehliadajú, pretože sa miešajú v hustých klastroch inde v priestore.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Local Outlier Factor (LOF): Density-Based Anomaly Detection. ScholarGate. https://scholargate.app/sk/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.
- AutoenkodérHlboké učenie↔ compare
- DBSCANStrojové učenie↔ compare
- Isolation ForestStrojové učenie↔ compare
- Jednotriedny SVMStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →