局所外れ値係数

LOF は密度ベースの異常スコアです。観測ごとに、k 個の最も近い点の近傍を見つけて、その点が近傍点と比較してどの程度密集しているかを反映するローカル到達可能密度を推定します。 LOF は、近隣の平均ローカル到達可能密度をポイント自体の密度と比較します。 1 に近いスコアは、同等の局所密度を示します。実質的に大きいスコアは、そのポイントが近くの観測値よりも密度が低いことを示します。これは、中心からの全体的な距離の測定ではなく、相対的なローカル比較です。この局所性により、グローバル メソッドが見逃す異常が表面化する可能性があります。ポイントは、データセット全体が広い領域に存在していても、密集した近傍では異常である可能性があります。逆に、メインクラウドから遠く離れた点は、別個の密なサブグループに属し、通常のローカルスコアを受け取る可能性があります。そのサブグループを異常としてカウントするかどうかはタスクによって異なります。近隣カウントは比較のスケールを制御します。小さな地区は細かい構造物や騒音に敏感です。大きいものは別のグループ間で比較する場合があります。 LOF は最近傍を使用するため、距離メトリックとフィーチャ単位が重要です。誤解を招く数値順序を作らずに、数値変数を適切にスケールし、カテゴリをエンコードします。予想されるグループのサイズに基づいて設定を選択し、理想的にはレビューされたケースを使用してスコアの動作を評価します。 Scikit-learn は、LOF によって近似されたデータセット内の異常な観測値が識別される外れ値検出と、モデルが参照データに近似されて新しいポイントで使用される新規性検出とを区別します。後者では、novelty=True が必要であり、ドキュメントでは、そのモードでトレーニング データに対してノベルティ スコア付け方法を使用しないように警告しています。 LOF スコアは校正された確率ではなく、API で逆符号規則が使用される場合があります。値が高いほど異常が大きいことを示しているのか、低いほど異常が大きいのかを検査します。近傍の異常は、選択した参照セットとメトリックに関連する証拠であり、データの品質やリスクに関する最終的な判断ではありません。