古典的機械学習

LOF（局所外れ値因子）えるおーえふ・きょくしょはずれちいんし

LOF局所外れ値因子密度ベース異常検知Local Outlier Factor外れ値スコア

LOFについて教えて

簡単に言うとこんな感じ！

「周囲のデータと比べてどれだけ孤立しているか」を局所的な密度の比較で測る異常検知アルゴリズムだよ。「全体でみると普通の場所でも、周辺のデータに比べてまばらな点は異常」という考え方。密度が違う複数のクラスターがあるデータでも機能するのが特徴なんだ！

LOF（Local Outlier Factor：局所外れ値因子）は、各データ点の局所的な密度を近傍との比較で算出し、密度が著しく低い点を異常として検出するアルゴリズムです。1999年にBreunigらが提案しました。

LOFスコア ≈ 1.0  →  正常（周囲と同じくらいの密度）
LOFスコア >> 1.0 →  異常（周囲より密度が低い、孤立している）

厳密には：
  LOF(p) = 周辺k-近傍のlrd(平均) / lrd(p)
  lrd：局所到達可能密度

密な市街地に住む人A（低LOF = 正常）
郊外に独立して住む人B（高LOF = 異常）

← 密な市街地 → ← 郊外 →
○○○○○○             ×

Aの密度と周辺の密度は同じ → LOF ≈ 1
Bの密度は周辺より著しく低い → LOF >> 1