Facteur de valeur aberrante locale

LOF est un score d'anomalie basé sur la densité. Pour chaque observation, il trouve un voisinage de k points les plus proches et estime la densité d'accessibilité locale, qui reflète la densité du point par rapport à ses voisins. LOF compare la densité d'accessibilité locale moyenne des voisins avec la propre densité du point. Un score proche de un indique une densité locale comparable ; un score sensiblement plus élevé indique que le point est moins dense que les observations proches. Il s’agit d’une comparaison locale relative plutôt que d’une mesure globale de la distance par rapport au centre. Cette localité peut faire apparaître des anomalies qui manquent aux méthodes globales. Un point peut être inhabituel dans un quartier dense tout en se trouvant dans une région où l'ensemble des données global est large. A l’inverse, un point éloigné du nuage principal peut appartenir à un sous-groupe dense distinct et recevoir un score local ordinaire. La question de savoir si ce sous-groupe doit être considéré comme anormal dépend de la tâche. Le nombre de voisins contrôle l’échelle de comparaison. Les petits quartiers sont sensibles à la structure fine et au bruit ; les plus grands peuvent se comparer à travers des groupes distincts. Les unités de mesure de distance et de caractéristiques sont importantes car LOF utilise les voisins les plus proches. Mettez à l'échelle les variables numériques de manière appropriée et codez les catégories sans inventer un ordre numérique trompeur. Choisissez les paramètres en fonction de la taille attendue des groupes et évaluez le comportement des scores, idéalement avec des cas examinés. Scikit-learn distingue la détection des valeurs aberrantes, où LOF identifie les observations inhabituelles dans l'ensemble de données ajusté, de la détection de nouveauté, où un modèle est ajusté sur des données de référence et utilisé sur de nouveaux points. Ce dernier nécessite newty=True, et la documentation met en garde contre l'utilisation des méthodes de notation de nouveauté sur les données d'entraînement dans ce mode. Les scores LOF ne sont pas des probabilités calibrées et peuvent utiliser des conventions de signes inversés dans les API. Vérifiez si des valeurs supérieures ou inférieures indiquent une anomalie plus importante. Une anomalie de quartier est une preuve relative à un ensemble de référence et à une mesure sélectionnés, et non un jugement définitif sur la qualité ou le risque des données.