密度变化数据集下LoF与k-NN的离群点检测效果对比

首先直接给结论：当数据集存在多个密度差异明显的区域时，局部离群因子（LOF）的检测效果远优于K近邻（KNN）。

两者核心逻辑差异导致的效果区别 #

• KNN做离群点检测的逻辑非常直接：计算每个样本到其K个最近邻的平均距离，只要这个距离超过全局统一的阈值，就判定为离群点。它的核心缺陷就在于全局阈值完全忽略了局部区域的密度差异。

举个非常直观的例子：假设数据集里有两个簇，高密度簇A内部样本的平均间距是2，低密度簇B内部样本的平均间距是20。现在有两个待判定点：点X距离A簇K个近邻的平均距离是10，点Y距离B簇K个近邻的平均距离是15。用KNN检测的话，全局阈值不管设成多少都很容易出问题：如果阈值设为13，X和Y都会被判定为离群，但Y明明是B簇的正常点，属于典型的误判。实际场景中你不可能提前知道所有簇的密度分布，根本找不到适配所有区域的全局阈值。

• LOF从设计之初就是为了解决这个问题，它完全放弃了全局阈值，而是针对每个样本计算两个核心指标：局部可达密度、以及该点密度和其邻域点密度的比值（即LOF值）：
  • LOF值接近1：说明该点的密度和邻域密度一致，属于正常点
  • LOF值远大于1：说明该点密度远低于邻域密度，属于离群点
• 回到上面的例子，LOF计算点X的时候，对比的是A簇的局部密度，10的距离远大于A簇的平均间距2，LOF值会远大于1，直接判定为离群；计算点Y的时候对比的是B簇的局部密度，15的距离小于B簇的平均间距20，LOF值接近1，判定为正常点，完全不受全局阈值的影响，不管数据集里有多少个不同密度的簇都能正常识别。

补充适用边界 #

如果你的数据集整体密度非常均匀，不存在明显的局部密度差异，KNN的运算速度会比LOF快很多，效果也和LOF没有明显差距。但只要是存在多密度区域的场景，LOF的检测稳定性和准确率都远高于KNN。

内容的提问来源于stack exchange，提问作者Surya Tej