Lokalny współczynnik wartości odstających (LOF)

Wprowadzenie do wykrywania anomalii w R

Alastair Rushworth

Data Scientist

Analiza odległości kNN

Anomalie globalne a lokalne

Wprowadzenie do wykrywania anomalii w R

Obliczanie LOF

Obliczanie LOF dla danych o meblach

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

Podgląd wyników

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
Wprowadzenie do wykrywania anomalii w R

Interpretacja LOF

LOF to stosunek gęstości

  • LOF $> 1$ — większe prawdopodobieństwo anomalii
  • LOF $\le 1$ — mniejsze prawdopodobieństwo anomalii

 

Duże wartości LOF wskazują punkty bardziej izolowane

Wprowadzenie do wykrywania anomalii w R

Wizualizacja LOF

furniture$score_lof <- furniture_lof

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

Wprowadzenie do wykrywania anomalii w R

Czas na ćwiczenia!

Wprowadzenie do wykrywania anomalii w R

Preparing Video For Download...