การเลือก k-value สำหรับการวิเคราะห์ตรวจจับ Local Outlier Factor (LOF)

ฉันมีชุดข้อมูลสามมิติและฉันพยายามใช้การวิเคราะห์ Local Outlier Factor เพื่อระบุค่าที่แปลกที่สุดหรือแปลกที่สุด เราจะตัดสินใจ k-value ที่จะใช้ในการวิเคราะห์ LOF ได้อย่างไร? ฉันเข้าใจสิ่งที่ค่า k กำหนดและดังนั้นฉันจึงไม่แปลกใจเลยที่ฉันเห็นผลลัพธ์ที่แตกต่างกันเล็กน้อยเมื่อใช้ k ที่ต่างกัน แต่ฉันไม่แน่ใจว่ามีลักษณะของชุดข้อมูลของฉันที่จะผลักดันฉันไปยังค่าหนึ่งมากกว่าค่าอื่น ๆ . ขอบคุณ!

การโพสต์สิ่งนี้ที่นี่สำหรับทุกคนที่เจอคำถามของฉันในอนาคต - กระดาษต้นฉบับที่อธิบายอัลกอริธึมค่าผิดปกติในท้องถิ่น "LOF: การระบุค่าความหนาแน่นตามท้องถิ่น" (Breunig et al) แนะนำวิธีการเลือก k-value . เพื่อเป็นการเตือนความจำอัลกอริทึม LOF จะเปรียบเทียบความหนาแน่นของแต่ละจุดกับความหนาแน่นของมัน$k$เพื่อนบ้านที่ใกล้ชิดที่สุด ผู้เขียนบทความแนะนำให้เลือกขั้นต่ำ$k$ และสูงสุด $k$และสำหรับแต่ละจุดรับค่า LOF สูงสุดในแต่ละจุด $k$ในช่วงนั้น พวกเขามีแนวทางหลายประการสำหรับการเลือกขอบเขต

สำหรับค่าต่ำสุดค่า LOF ผันผวนจุดในการแจกแจงแบบสม่ำเสมอสำหรับ $k<10$บางครั้งมีการแจกแจงแบบสม่ำเสมอปรากฏเป็นค่าผิดปกติดังนั้นจึงแนะนำอย่างน้อย $min(k)=10$. ประการที่สองขั้นต่ำ$k$- ค่าทำหน้าที่เป็นขนาดขั้นต่ำสำหรับบางสิ่งบางอย่างที่จะถือว่าเป็น "กลุ่ม" เพื่อให้คะแนนสามารถเป็นค่าผิดปกติที่เกี่ยวข้องกับกลุ่มนั้น ถ้า$k=15$และคุณมีกลุ่ม $12$ จุดและจุด $p$แต่ละจุดในกลุ่มจะรวมถึง $p$ ในประเทศเพื่อนบ้านที่ใกล้ที่สุดและ $p$จะรวมคะแนนเหล่านั้นนำพวกเขาให้มี LOF ที่คล้ายกันมาก ดังนั้นหากคุณต้องการพิจารณาจุดที่อยู่ใกล้กลุ่ม$N$ คะแนนเป็น outlier แทนที่จะเป็นส่วนหนึ่งของกลุ่มนั้นค่า k ของคุณควรเป็นอย่างน้อย $N$.

สำหรับค่าสูงสุดจะใช้เกณฑ์ที่คล้ายกันซึ่งควรเป็นจำนวนสูงสุดของวัตถุที่คุณต้องการพิจารณาว่าเป็นค่าผิดปกติหากทำคลัสเตอร์ด้วยกัน กลุ่มของ$N$ วัตถุที่แยกได้จากชุดหลักสามารถเป็นได้ทั้งคลัสเตอร์หรือ $N$ค่าผิดปกติ; สำหรับ$k<N$พวกเขาจะเป็นคนแรก สำหรับ$k>N$พวกเขาจะเป็นครั้งที่สอง

หวังว่านี่จะช่วยให้ทุกคนที่มีปัญหาคล้ายกัน บทความฉบับเต็มอยู่ที่นี่และการอภิปรายค่าสูงสุด / นาที k-values ​​เริ่มต้นในหน้า 7 และผ่านหน้า 9 (อ้างอิงจาก$k$- มูลค่าเป็นMinPts )