局部离群因子（Local Outlier Factor）算法

离群点检测概述

离群点是观察的数据集中明显异常的数据点，或者说，离群点的数据分布与数据集的整体分布不同。离群点检测的目的是检测出那些与正常数据差别较大的数据点，然后根据具体的问题作进一步处理。针对故障诊断问题，该方法可识别偏离正常状态的对象。

说明：
1)离群点不同于噪声，非噪声点也可能离群，噪声应该在离群点检测前完成去除。

2)离群点检测算法的评价指标同二分类，可使用正确率(Accuracy)、查准率(Precision)、查全率(Recall)、F值(F1-scores)等指标进行评估，或者用ROC图。

以上转自https://blog.youkuaiyun.com/Albert201605/article/details/118341478

LOF算法原理

局部离群因子LOF是用于表征被检测点的离群程度，即LOF越大，离群越明显。
假设点集X，$\forall p\in X$，点p的LOF记为
$$LO{F}_m\left(p\right)=\frac{1}{\left|N_m\left(p\right)\right|}\sum _{o\epsilon N_m\left(p\right)}$$