局部离群因素

LOF 是基于密度的异常评分。对于每个观察，它会找到 k 个最近点的邻域并估计局部可达性密度，这反映了该点相对于其邻居的紧密程度。 LOF 将邻居的平均局部可达密度与该点自身的密度进行比较。接近 1 的分数表示可比较的局部密度；较大的分数表明该点的密度低于附近的观测值。它是相对局部比较，而不是全局距中心距离的测量。这个局部性可以揭示全局方法遗漏的异常情况。某个点可能在密集邻域中不寻常，但仍然位于整体数据集较宽的区域中。相反，远离主云的点可能属于不同的密集子组并获得普通的局部分数。该子组是否应算作异常取决于任务。邻居计数控制比较的规模。小社区对精细结构和噪音很敏感；大的可以在不同的组之间进行比较。距离度量和特征单位很重要，因为 LOF 使用最近邻。适当缩放数值变量并对类别进行编码，而不会产生误导性的数字顺序。根据预期的小组规模选择设置并评估评分行为，最好是根据已审核的案例进行评估。 Scikit-learn 区分异常值检测和新颖性检测，其中 LOF 识别拟合数据集中的异常观测值，其中模型拟合参考数据并用于新点。后者需要 novelty=True，并且文档警告不要在该模式下对训练数据使用新颖性评分方法。 LOF 分数不是校准概率，可能在 API 中使用倒号约定。检查较高或较低的值是否表明异常情况较大。邻域异常是与选定的参考集和指标相关的证据，而不是对数据质量或风险的明确判断。