zhuanlan.zhihu.com
一文读懂异常检测 LOF 算法（Python代码） - 知乎
Mar 9, 2023 · LOF 就是基于密度来判断异常点的，通过给每个数据点都分配一个依赖于邻域密度的离群因子 LOF，进而判断该数据点是否为离群点。 如果 LOF>=1 ，则该点为离群点，如果 LOF\approx1 ，则该点为正常数据点。 那什么是LOF呢？
lof函数
Searching…
Web results
scikit-learn.org
LocalOutlierFactor — scikit-learn 1.8.0 documentation
The local outlier factor (LOF) of a sample captures its supposed ‘degree of abnormality’. It is the average of the ratio of the local reachability density of a sample and those of its k-nearest neighbors.
blog.csdn.net
深入理解Local Outlier Factor (LOF)局部异常因子算法
Nov 23, 2022 · 文章浏览阅读1.6w次，点赞50次，收藏154次。 本文深入讲解了基于密度的异常检测算法LOF (Local Outlier Factor)，包括直观理解、核心思想及详细步骤。 LOF通过计算局部异常因子来评估数据点的异常程度，适用于不同密度区域的异常检测。
scikit-learn.cn
使用 Local Outlier Factor (LOF) 进行异常值检测
它将密度远低于其邻居的样本视为异常值。 此示例展示了如何使用 LOF 进行异常值检测，这是 scikit-learn 中此估计器的默认用例。 请注意，当 LOF 用于异常值检测时，它没有 predict 、 decision_function 和 score_samples 方法。
scikit-learn.org.cn
sklearn.neighbors.LocalOutlierFactor-scikit-learn中文社区
[源码] 使用局部离群因子（LOF）的无监督离群检测 每个样本的异常得分称为局部离群值因子。 它测量给定样本相对于其临近点的密度的局部偏差。 这是局部的，异常分数取决于对象相对于周围邻域的隔离程度。
www.cnblogs.com
异常检测——局部异常因子（Local Outlier Factor ，LOF）算法 - bonele...
Oct 25, 2018 · LOF通过计算一个数值score来反映一个样本的异常程度。 这个数值的大致意思是：一个样本点周围的样本点所处位置的平均密度比上该样本点所在位置的密度。 比值越大于1，则该点所在位置的密度越小于其周围样本所在位置的密度，这个点就越有可能是异常点。
blog.csdn.net
5万字LOF算法完整技术指南 - CSDN博客
LOF (Local Outlier Factor) 是由Breunig等人在2000年提出的一种基于密度的异常检测算法。 想象你在一个聚会上观察人群分布：LOF就是要找出这些"独自站在角落"的数据点！ 为什么要考虑"局部"？ 问题场景：如果只看全局密度，聚类B中的点可能都被误判为异常。