Fattore anomalo locale

LOF è un punteggio di anomalia basato sulla densità. Per ogni osservazione, trova un quartiere di k punti più vicini e stima la densità di raggiungibilità locale, che riflette quanto il punto sia compatto rispetto ai suoi vicini. LOF confronta la densità media di raggiungibilità locale dei vicini con la densità stessa del punto. Un punteggio vicino a uno indica una densità locale comparabile; un punteggio sostanzialmente più grande indica che il punto è meno denso delle osservazioni vicine. Si tratta di un confronto locale relativo piuttosto che di una misura globale della distanza dal centro. Questa località può far emergere anomalie che i metodi globali non rilevano. Un punto può essere insolito in un quartiere denso pur trovandosi ancora in una regione in cui il set di dati complessivo è ampio. Al contrario, un punto lontano dalla nuvola principale può appartenere a un sottogruppo denso distinto e ricevere un punteggio locale ordinario. Se quel sottogruppo debba essere considerato anomalo dipende dall'attività. Il conteggio dei vicini controlla la scala del confronto. I piccoli quartieri sono sensibili alla struttura fine e al rumore; quelli grandi possono essere confrontati tra gruppi separati. La metrica della distanza e le unità delle caratteristiche sono importanti perché LOF utilizza i vicini più vicini. Ridimensiona le variabili numeriche in modo appropriato e codifica le categorie senza inventare un ordine numerico fuorviante. Scegli le impostazioni in base alle dimensioni previste del gruppo e valuta il comportamento del punteggio, idealmente con casi esaminati. Scikit-learn distingue il rilevamento di valori anomali, in cui LOF identifica osservazioni insolite nel set di dati adattato, dal rilevamento di novità, in cui un modello viene adattato ai dati di riferimento e utilizzato su nuovi punti. Quest'ultimo richiede novelty=True e la documentazione mette in guardia contro l'utilizzo dei metodi di punteggio di novità sui dati di training in quella modalità. I punteggi LOF non sono probabilità calibrate e possono utilizzare convenzioni di segno invertito nelle API. Controllare se valori più alti o più bassi indicano un'anomalia maggiore. Un'anomalia di vicinato è una prova relativa a un insieme di riferimento e a una metrica selezionati, non un giudizio definitivo sulla qualità o sul rischio dei dati.