2021-01-21基于相似度的方法

TASK04：基于相似度的方法

我们所说的异常通常是指：具有特定业务意义的那一类特殊的异常值。

基于距离的度量

基于距离的方法：基于最近邻距离来定义异常值。
适用：

• 多维数值数据
• 分类数据
• 文本数据
• 时间序列数据
• 序列数据

前提假设：
异常点的$K$近邻距离要远大于正常点。
最简单的方法：
嵌套循环。

基于单元的方法

基于单元的方法：数据空间被划分为单元格。
数据的每个维度被划分为宽度最多为$\frac{D}{2\cdot \sqrt{d}}$的单元格。
可以观察到以下性质：

• 单元格中两点之间的距离最多为$D/2$
• 一个点与$L_1$邻接点之间的最大距离为$D$
• 一个点与它的$Lr$邻居（其中$r$>2）中的一个点之间的距离至少为$D$

基于索引的方法

利用多维索引结构来搜索每个数据对象$A$在半径$D$范围内的相邻点。

基于密度的度量

算法主要有：

• 局部离群因子（LOF， local outlier factor）
• LOCI局部关联积分
• CLOF基于组合局部孤立点的噪声处理算法
• 等基于LOF的改进算法。

密度聚类

局部离群因子

K-distance

K-distance neighbourhood

reachability distance

local reachability density

local outlier factor