基于LOF算法的异常值检测-Toy模板网

这篇具有很好参考价值的文章主要介绍了基于LOF算法的异常值检测。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

LOF算法简介

LOF异常检测算法是一种基于密度的异常检测算法，基于密度的异常检测算法主要思想是：给定的样本数据集，对于数据集中的点，如果其局部领域的点都很密集，那么这个点大概率为正常的数据点；而如果这个点距离其相邻的点距离较远，也就是在一个局部领域的点密度较小，那么这个点可能为异常点。

Sklearn官网LOF算法应用实例1

基于LOF算法的异常值检测,机器学习,算法,数据分析,异常值检测
clf.negative_outlier_factor_输出：array([ -0.98214286, -1.03703704, -73.36970899, -0.98214286])
绝对值越大于1则越有可能是异常。很明显101.1最有可能是异常。

Sklearn官网LOF算法应用实例2

导入包：
基于LOF算法的异常值检测,机器学习,算法,数据分析,异常值检测
构造二维数据，以及一些离群点，并可视化：

LOF算法：

根据X_scores可视化，红色圈越大，该点越可能是异常点：

基于LOF算法鸢尾花数据集异常值检测

import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from sklearn.neighbors import LocalOutlierFactor
from sklearn.datasets import load_iris
matplotlib.rcParams['font.sans-serif']=['SimHei']   # 用黑体显示中文
%matplotlib inline

读取数据

iris_data = load_iris()
iris_data.data[0:5,:]

array([[5.1, 3.5, 1.4, 0.2],
       [4.9, 3. , 1.4, 0.2],
       [4.7, 3.2, 1.3, 0.2],
       [4.6, 3.1, 1.5, 0.2],
       [5. , 3.6, 1.4, 0.2]])

# 数据规模
iris_data.data.shape

(150, 4)

# 特征
iris_data.feature_names

['sepal length (cm)',
 'sepal width (cm)',
 'petal length (cm)',
 'petal width (cm)']

# 查看类别
pd.DataFrame(iris_data.target).value_counts(), iris_data.target_names

(0    50
 1    50
 2    50
 dtype: int64,
 array(['setosa', 'versicolor', 'virginica'], dtype='<U10'))

构造数据

这里为方便可视化，只选取iris数据集中 ‘sepal width (cm)’ 和 ‘petal width (cm)’ 两个特征

data = iris_data.data[:, [1, 3]]
data = pd.DataFrame(data, columns=iris_data.feature_names[1:4:2])#['sepal width (cm)','petal width (cm)']
data.head()

	sepal width (cm)	petal width (cm)
0	3.5	0.2
1	3.0	0.2
2	3.2	0.2
3	3.1	0.2
4	3.6	0.2

可视化，画出可疑异常点

# 可视化两个特征'sepal width (cm)','petal width (cm)'
data.plot(kind="scatter", x="sepal width (cm)", y="petal width (cm)", c='r', figsize=(6,2))

## 圈出可疑的异常点
plt.plot(2.3, 0.3, "ko", markersize=20, markerfacecolor="none")
plt.annotate("可能异常点", xy=(2.3, 0.48), xytext=(2, 0.75), arrowprops=dict(facecolor="blue"))

plt.plot(3.8, 2.1, "ko", markersize=30, markerfacecolor="none")
plt.annotate("可能异常点", xy=(3.9, 1.9), xytext=(4, 1.5), arrowprops=dict(facecolor="blue"))

plt.plot(4.4, 0.4, "ko", markersize=20, markerfacecolor="none")
plt.annotate("可能异常点", xy=(4.3, 0.5), xytext=(4.5, 1), arrowprops=dict(facecolor="blue"))

Text(4.5, 1, '可能异常点')

基于LOF算法的异常值检测,机器学习,算法,数据分析,异常值检测

LOF算法

lof = LocalOutlierFactor(n_neighbors=30, metric="minkowski")
outlier_pre = lof.fit_predict(data.values)
"异常值数量:%d"%np.sum(outlier_pre==-1)

'异常值数量:7'

# 异常点
data[outlier_pre==-1]

	sepal width (cm)	petal width (cm)
15	4.4	0.4
33	4.2	0.2
41	2.3	0.3
60	2.0	1.0
109	3.6	2.5
117	3.8	2.2
131	3.8	2.0

scores = lof.negative_outlier_factor_# negative_outlier_factor_数值越大越正常；数值越小越不正常，可能是离群点

scores = (scores.max()-scores)/(scores.max()-scores.min())

data.plot(kind="scatter", x="sepal width (cm)", y="petal width (cm)", c='r', figsize=(6,2))
plt.scatter(data["sepal width (cm)"], data["petal width (cm)" ], s=800*scores, edgecolors='k', facecolor="none",label="score")