Вибір k-значення для аналізу виявлення локального фактора (LOF)

У мене є набір тривимірних даних, і я намагаюся використовувати аналіз локального фактора Outlier, щоб визначити найбільш унікальні або дивні значення. Як можна вирішити k-значення, яке потрібно використовувати в аналізі LOF? Я розумію, що визначає значення k, і тому я не здивований, що я бачу дещо інші результати за допомогою різних k, але я не впевнений, чи є характеристики мого набору даних, які повинні підштовхувати мене до одного значення над іншими . Дякую!

Опублікувавши це тут для всіх, хто в майбутньому стикається з моїм запитанням - оригінальний документ, що описує алгоритм фактора локальних факторів, "LOF: Ідентифікація локальних вихованок на основі щільності" (Breunig et al), рекомендує метод вибору k-значення . Як нагадування, алгоритм LOF порівнює щільність кожної точки з щільністю її -closest сусідів. Автори статті рекомендують вибрати мінімум і максимальний , а для кожної точки взяти максимальне значення LOF над кожним у цьому діапазоні. Вони пропонують кілька рекомендацій щодо вибору меж.$k$$k$$k$$k$

Для мінімального значення значення LOF коливаються в точкових точках рівномірним розподілом для , причому точки в рівномірному розподілі іноді відображаються як видатки, тому вони рекомендують принаймні . По-друге, мінімальне значення значення служить мінімальним розміром для того, щоб вважати його "кластером", так що точки можуть бути переживаючими відносно цього кластера. Якщо , і у вас є група з балів і точка , кожна точка групи буде включати у найближчих сусідів, а буде включати ці точки, приводячи їх до дуже схожих LOF. Тож якщо ви хочете розглянути точку біля групи$k<10$$min(k)=10$$k$$k=15$$12$$p$$p$$p$$N$точки як викид, а не частина цієї групи, ваше до значення має бути по крайней мере .$N$

Для максимального значення застосовується аналогічний критерій, оскільки він повинен бути максимальною кількістю об'єктів, які ви хочете вважати переживаючими, якщо вони згруповані разом. Група з об'єктів, виділених з основного набору, може бути кластером, або потоками; для вони будуть першими; для вони будуть другими.$N$$N$$k<N$$k>N$

Сподіваємось, це допомагає всім, хто має подібну проблему. Повний документ знаходиться тут , і обговорення максимальних / min k-значень починається на сторінці 7 і проходить через сторінку 9. (Вони позначають -значення як MinPts .)$k$