局部异常因子算法-Local Outlier Factor(LOF)
在数据挖掘方面,经常需要在做特征工程和模型训练之前对数据进行清洗,剔除无效数据和异常数据。异常检测也是数据挖掘的一个方向,用于反作弊、伪基站、金融诈骗等领域。 异常检测方法,针对不同的数据形式,有不同的实现方法。常用的有基于分布的方法,在上、下α分位点之外的值认为是异常值(例如图1),对于属性值常用此类方法。基于距离的方法,适用于二维或高维坐标体系内异常点的判别,例如二维平面坐标或经纬度空间坐标下异常点识别,可用此类方法。 这次要介绍一下一种基于距离的异常检测算法,局部异常因子LOF算法(Local Outlier Factor)。 用视觉直观的感受一下,如图2,对于C1集合的点,整体间距,密度,分散情况较为均匀一致,可以认为是同一簇;对于C2集合的点,同样可认为是一簇。o1、o2点相对孤立,可以认为是异常点或离散点。现在的问题是,如何实现算法的通用性,可以满足C1和C2这种密度分散情况迥异的集合的异常点识别。LOF可以实现我们的目标。 下面介绍LOF算法的相关定义: 1)
d(p,o)
:两点p和o之间的距离; 2) k-distance:第k距离 对于点p的第k距离
dk(p)
定义如下:
dk(p)=d(p,o)
,并且满足: a) 在集合中至少有不包括p在内的
k
个点o,∈C{x≠p}, 满足
d(p,o,)≤d(p,o)
; b) 在集合中最多有不包括p在内的
k−1
个点
o,∈C{x≠p}
,满足
d(p,o,) |