异常检测（三）——Local Outlier Factor（LOF）

时间 2020-12-26

原文原文链接

在中等高维数据集上执行异常值检测的另一种有效方法是使用局部异常因子（Local Outlier Factor ，LOF）算法。 1、算法思想 LOF通过计算一个数值score来反映一个样本的异常程度。这个数值的大致意思是：一个样本点周围的样本点所处位置的平均密度比上该样本点所在位置的密度。比值越大于1，则该点所在位置的密度越小于其周围样本所在位置的密度，这个点就越有可能是异常点。关于密度等理论概念

>>阅读原文<<

1. LOF-Local Outlier Factor
2. 离群点检测算法——LOF（Local Outlier Factor）
3. 局部异常因子算法 Local Outlier Factor（LOF）
4. 异常检测LOF
5. 机器学习-异常检测算法（二）：Local Outlier Factor
6. Python机器学习笔记：异常点检测算法——LOF（Local Outiler Factor）
7. Local Outlier Factor
8. 异常点检测
9. 异常检测
10. 异常点/离群点检测算法——LOF
更多相关文章...
• PHP 7 异常 - PHP 7 新特性
• C# 异常处理 - C#教程
• 常用的分布式事务解决方案
• RxJava操作符（三）Filtering