如何计算局部异常值检测(LOF)

时间:2017-12-14 17:17:11

标签: data-mining outliers

我希望根据Breunig& amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp; amp;砂光机。

我找到了这个公式:

  

LOF =(位于MinPts区域中的对象的lrd的平均值)除以可疑异常值的lrd,即MinPts的质心。

如果这是正确的,我有疑问。有人说LOF计算如下:

  

LOF =(位于MinPts区域中的对象的lrd的平均值,包括质心的lrd,即可疑的lrd)除以可疑异常值的lrd,即MinPts的质心。

答案是什么?

2 个答案:

答案 0 :(得分:0)

如有疑问,请阅读原始资料!

因为你想使用Breunig&amp ;;的LOF定义。桑德尔自己,而不是#34;某人"。如果我现在说,例如," LOF是e ^(I * pi)",你接下来会发布问题"堆叠交换的人说这个,还有其他人说了别的话"?

如果您需要验证定义,请转到并阅读原始来源。

答案 1 :(得分:0)

感谢您的回答。我读过Breunig等人的原始出版物。但我必须承认,我不明白使用的正确公式。同时我得到了答案。对于对象的LOF进行计算您必须获取MinPts中包含的所有对象的lrd的平均值(没有可疑的异常对象,质心)除以对象的lrd的lrd(怀疑是异常值)/ centroid。顺便说一句,最初的出版物有一些令人困惑的MinPts定义。 ķ。