详细内容或原文请订阅后点击阅览
机器学习“降临日历”第 9 天：Excel 中的 LOF
在本文中，我们通过三个简单的步骤来探索 LOF：距离和邻居、可达距离以及最终的 LOF 分数。使用微小的数据集，我们可以看到两个异常如何对我们来说看起来很明显，但对于不同的算法却完全不同。这揭示了无监督学习的关键思想：不存在单一的“真实”异常值，只有定义。理解这些定义才是真正的技能。机器学习“降临日历”第 9 天：Excel 中的 LOF 这篇文章首先出现在走向数据科学上。
来源:走向数据科学昨天，我们使用了隔离森林，这是一种异常检测方法。
今天，我们看看另一个具有相同目标的算法。但与隔离森林不同的是，它不建造树木。
它被称为 LOF，或局部异常值因子。
人们经常用一句话来总结LOF：这个点是否生活在一个比它的邻居密度更低的区域？
这句话其实很难理解。我为此挣扎了很长时间。
然而，有一个部分很容易理解，
，我们会看到它成为关键点：
有一个邻居的概念。
一旦我们谈论邻居，
我们自然会回到基于距离的模型。
我们将分三步解释这个算法。
为了让事情变得非常简单，我们将再次使用这个数据集：
1, 2, 3, 9
你还记得我拥有这个数据集的版权吗？我们用它做了隔离森林，我们将用它再次做LOF。我们还可以比较两个结果。
所有 Excel 文件都可以通过此 Kofi 链接获得。您的支持对我来说意义重大。价格会在本月上涨，因此早期支持者可以获得最佳价值。
步骤 1 – k 个邻居和 k 距离
LOF 以极其简单的方式开始：
查看点之间的距离。然后找到每个点的 k 个最近邻点。
让我们取 k = 2，只是为了保持最小化。
每个点的最近邻居
我们已经看到一个清晰的结构正在出现：
k-距离：局部半径
k 距离只是 k 个最近邻之间的最大距离。
这其实是关键点。
因为这个数字告诉您一些非常具体的信息：
点周围的局部半径。
如果 k 距离较小，则该点位于密集区域。
如果 k 距离较大，则该点位于稀疏区域。
仅通过这一措施，您就已经有了第一个“隔离”信号。