Der Local Outlier Factor (LOF)

Einführung in die Anomalieerkennung in R

Alastair Rushworth

Data Scientist

Nachlese zur kNN-Distanz

Globale vs. lokale Ausreißer

Einführung in die Anomalieerkennung in R

LOF berechnen

LOF für die Möbel-Daten berechnen

library(dbscan)
furniture_lof <- lof(scale(furniture), k = 5)

Die Scores ansehen

furniture_lof[1:10]

[1] 1.0649669 1.1071205 0.9980290 1.0392385 0.9725305
[6] 1.1933199 1.3210459 1.1409659 1.0613144 1.0805445
Einführung in die Anomalieerkennung in R

LOF interpretieren

LOF ist ein Dichteverhältnis

  • LOF $> 1$ eher anomal
  • LOF $\le 1$ weniger wahrscheinlich anomal

 

Hohe LOF-Werte zeigen stärker isolierte Punkte

Einführung in die Anomalieerkennung in R

LOF visualisieren

furniture$score_lof <- furniture_lof

plot(Width ~ Height, data = furniture, cex = score_lof, pch = 20)

Einführung in die Anomalieerkennung in R

Lass uns üben!

Einführung in die Anomalieerkennung in R

Preparing Video For Download...