Локальний коефіцієнт викидів (LOF)
Локальний коефіцієнт викидів (LOF) — це алгоритм виявлення аномалій на основі щільності, без нагляду, представлений Бреунігом, Крігелем, Нг та Сандером у 2000 році. Він призначає кожній точці даних безперервну оцінку викиду, яка кількісно визначає, наскільки ізольована ця точка відносно її локального оточення, дозволяючи виявляти аномалії, які пропускають глобальні методи, оскільки вони зливаються з щільними кластерами в інших частинах простору.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Local Outlier Factor (LOF): Density-Based Anomaly Detection. ScholarGate. https://scholargate.app/uk/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.
- АвтокодувальникГлибоке навчання↔ compare
- DBSCANМашинне навчання↔ compare
- Ізоляційний лісМашинне навчання↔ compare
- One-class SVMМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →