เปรียบเทียบวิธี

	ปัจจัยค่าผิดปกติเฉพาะที่ (Local Outlier Factor: LOF)	Isolation Forest
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2000	2008
ผู้ริเริ่ม	Breunig, M. M.; Kriegel, H.-P.; Ng, R. T.; Sander, J.	Liu, F.T., Ting, K.M. & Zhou, Z.-H.
ประเภท	Density-based anomaly detection (unsupervised)	Unsupervised ensemble (random partitioning trees)
แหล่งต้นตำรับ	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.	Liu, F.T., Ting, K.M. & Zhou, Z.-H. (2008). Isolation Forest. IEEE ICDM, 413–422.
ชื่อเรียกอื่น	LOF, local outlier factor, density-based outlier detection, local density deviation	Isolation Forest (Aykırı Değer Tespiti), iForest, isolation forest anomaly detection
ที่เกี่ยวข้อง	4	5
สรุป	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.	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.