เปรียบเทียบวิธี

	Isolation Forest	ปัจจัยค่าผิดปกติเฉพาะที่ (Local Outlier Factor: LOF)
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2008	2000
ผู้ริเริ่ม	Liu, F.T., Ting, K.M. & Zhou, Z.-H.	Breunig, M. M.; Kriegel, H.-P.; Ng, R. T.; Sander, J.
ประเภท	Unsupervised ensemble (random partitioning trees)	Density-based anomaly detection (unsupervised)
แหล่งต้นตำรับ	Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422.	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.
ชื่อเรียกอื่น	Isolation Forest (Aykırı Değer Tespiti), iForest, isolation forest anomaly detection	LOF, local outlier factor, density-based outlier detection, local density deviation
ที่เกี่ยวข้อง	5	4
สรุป	Isolation Forest is an unsupervised machine-learning method for anomaly and outlier detection, introduced by Liu, Ting and Zhou in 2008, that isolates anomalies through random partitioning of the data. It works without any labelled anomaly data and scales to high-dimensional datasets.	Local Outlier Factor (LOF) is a density-based, unsupervised anomaly detection algorithm introduced by Breunig, Kriegel, Ng, and Sander in 2000. It assigns each data point a continuous outlier score that quantifies how isolated that point is relative to its local neighborhood, enabling detection of anomalies that global methods miss because they blend into dense clusters elsewhere in the space.