文档摘要

4.4 密度与距离 LOF 与 DBSCAN 本节摘要：基于密度与距离的异常检测不假设数据分布，正常点聚集在高密度区、异常点孤立在低密度区。本节深入两个代表算法：LOF（局部离群因子）通过比较点与邻居的局部密度判异常，DBSCAN（基于密度的空间聚类）把低密度噪声点直接当异常。讲透 LOF 的可达距离、局部可达密度、离群因子三步计算，DBSCAN 的核心点/边界点/噪声点模型与 eps/minPts 参数逻辑，并给出参数调优方法。 会员。《4.4 密度与距离LOF与DBSCAN》收录于灏天文库文集《时间序列异常检测技术》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/490-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B%E6%8A%80%E6%9C%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流