使用局部异常因子 (LOF) 进行异常检测#

局部异常因子 (LOF) 算法是一种无监督异常检测方法，它计算给定数据点相对于其邻居的局部密度偏差。它将密度明显低于其邻居的样本视为异常值。此示例展示了如何使用 LOF 进行异常检测，这是此估计器在 scikit-learn 中的默认用例。请注意，当 LOF 用于异常检测时，它没有 predict、decision_function 和 score_samples 方法。有关异常检测和新颖性检测之间差异以及如何使用 LOF 进行新颖性检测的详细信息，请参阅用户指南。

考虑的邻居数量（参数 n_neighbors）通常设置为 1) 大于集群必须包含的最小样本数，以便其他样本可以相对于此集群成为局部异常值，以及 2) 小于可能成为局部异常值的附近样本的最大数量。在实践中，此类信息通常不可用，并且使用 n_neighbors=20 通常效果很好。

生成包含异常值的数据#

import numpy as np

np.random.seed(42)

X_inliers = 0.3 * np.random.randn(100, 2)
X_inliers = np.r_[X_inliers + 2, X_inliers - 2]
X_outliers = np.random.uniform(low=-4, high=4, size=(20, 2))
X = np.r_[X_inliers, X_outliers]

n_outliers = len(X_outliers)
ground_truth = np.ones(len(X), dtype=int)
ground_truth[-n_outliers:] = -1

拟合用于异常检测的模型（默认）#

使用 fit_predict 计算训练样本的预测标签（当 LOF 用于异常检测时，估计器没有 predict、decision_function 和 score_samples 方法）。

from sklearn.neighbors import LocalOutlierFactor

clf = LocalOutlierFactor(n_neighbors=20, contamination=0.1)
y_pred = clf.fit_predict(X)
n_errors = (y_pred != ground_truth).sum()
X_scores = clf.negative_outlier_factor_

绘制结果#

import matplotlib.pyplot as plt
from matplotlib.legend_handler import HandlerPathCollection


def update_legend_marker_size(handle, orig):
    "Customize size of the legend marker"
    handle.update_from(orig)
    handle.set_sizes([20])


plt.scatter(X[:, 0], X[:, 1], color="k", s=3.0, label="Data points")
# plot circles with radius proportional to the outlier scores
radius = (X_scores.max() - X_scores) / (X_scores.max() - X_scores.min())
scatter = plt.scatter(
    X[:, 0],
    X[:, 1],
    s=1000 * radius,
    edgecolors="r",
    facecolors="none",
    label="Outlier scores",
)
plt.axis("tight")
plt.xlim((-5, 5))
plt.ylim((-5, 5))
plt.xlabel("prediction errors: %d" % (n_errors))
plt.legend(
    handler_map={scatter: HandlerPathCollection(update_func=update_legend_marker_size)}
)
plt.title("Local Outlier Factor (LOF)")
plt.show()

脚本的总运行时间：（0 分钟 0.085 秒）