Коли використовувати LOF?
Сімейство методів LOF можна легко узагальнити, а потім застосувати до різних інших проблем, таких як виявлення викидів у географічних даних, відеопотоках або авторських мережах.
Метод, який використовується в LOF, можна застосовувати в багатьох інших сферах для вирішення проблем виявлення викидів, таких як географічні дані, відеопотоки тощо. LOF також можна використовувати для реалізації іншої функції несхожості. І виявилося, що він перевершує багато інших алгоритмів виявлення аномалій.
Коефіцієнт локального викиду (LOF) Обчисліть відстань між P та всіма заданими точками за допомогою функції відстані, наприклад евклідової або манхеттенської. Знайдіть k (k-найближчий сусід) найближчу точку. Наприклад, якщо K = 3, знайдіть відстань третього найближчого сусіда. Знайдіть k найближчих точок.
Показники LOF, менші за 1, вказують на більш щільну область. Оцінки більше 1 означають викиди. Але залежно від даних і проблеми можна приймати різні рішення. Визначаючи порогове значення, наведені нижче точки можна вважати невикидами, а наведені вище можна вважати викидами.
Алгоритм KNN використовується для заповнення та виправлення викидів, а також визначається тип даних викидів. Розглядається кореляція між викидами та навколишніми даними. Алгоритм LOF може кількісно визначити аномальну ситуацію даних, і враховується локальна кореляція даних трансформатора.
Для моделі LOF оцінка є фактором локального викиду, визначеним в оригінальній статті [5]. Для моделі DBSCAN оцінка — це відстань до центру кластера для неаномальних спостережень і відстань до центру найближчого неаномального кластера для викидів.
