如何在Python中使用Scikit-learn实现局部离群因子LOF算法？-Python教程-PHP中文网

localoutlierfactor是scikit-learn中lof算法的唯一正确类名，必须从sklearn.neighbors导入，不支持lof或lof缩写；它无fit_predict方法，需调用fit()后通过labels_（布尔数组）或negative_outlier_factor_（连续得分）获取结果，且n_neighbors需合理设置以避免过敏感或过度平滑。

如何在python中使用scikit-learn实现局部离群因子lof算法？

LOF算法在scikit-learn里叫`LocalOutlierFactor`，不是`lof`或`LOF`

很多人搜“LOF”直接写from sklearn import lof或LOF()，会报ModuleNotFoundError或NameError。它藏在sklearn.neighbors模块下，且类名是LocalOutlierFactor——大小写、全称、无缩写，必须写对。

正确导入方式：

from sklearn.neighbors import LocalOutlierFactor

LocalOutlierFactor默认不做训练/预测分离，fit时直接输出异常分值和标签，不提供predict()方法（区别于IsolationForest）
它没有fit_predict()的返回值顺序陷阱：返回的是布尔数组inlier = True表示正常点，False才是离群点——这点容易和直觉反着记
若用contamination参数设为0.1，模型会自动把得分最低的10%样本标为False；但实际数据中离群程度可能不均匀，这个阈值未必可靠

`LocalOutlierFactor`必须用`fit`，不能跳过直接`fit_predict`

常见错误是照搬DBSCAN或KMeans习惯，写lof.fit_predict(X)，结果报AttributeError: 'LocalOutlierFactor' object has no attribute 'fit_predict'。

它只支持fit()，然后通过属性读取结果：

Claw Code Suite (Python-Only Edition)

仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...

下载

lof = LocalOutlierFactor(n_neighbors=20, contamination=0.05)
y_pred = lof.fit(X).labels_  # 注意：是 .labels_，不是 .predict() 或 .fit_predict()

.labels_是布尔数组：True = 正常点，False = 离群点
.negative_outlier_factor_是原始LOF得分（越小越异常），比.labels_更精细，适合画分布图或自定义阈值
如果X含缺失值（np.nan），会直接报ValueError: Input contains NaN，必须提前用SimpleImputer或删行处理

n_neighbors设太小或太大都会让LOF失效

n_neighbors控制局部邻域大小，不是随便设个20就完事。它直接影响密度估计的粒度：

设太小（如n_neighbors=5）：邻域过窄，噪声被误判为离群，尤其在稀疏区域
设太大（如n_neighbors=100）：邻域覆盖过广，局部结构被平滑掉，真实离群点变得“正常”
经验法则是：取数据集规模的1%–2%，且不低于20；若样本少于200，建议从min(20, len(X)//2)起步试
注意：该参数只影响fit阶段，不参与后续推理——LOF本身是无监督，没有独立的predict阶段

用`negative_outlier_factor_`比`labels_`更能看出异常梯度

contamination强制截断得分，会掩盖异常程度差异。比如两个样本得分分别是-2.1和-4.8，都被标为False，但后者明显更异常。

推荐做法：

lof = LocalOutlierFactor(n_neighbors=20)
lof.fit(X)
scores = lof.negative_outlier_factor_  # 负得分，越小越异常
# 手动选阈值，例如取下5%分位数
threshold = np.percentile(scores, 5)
is_outlier = scores

negative_outlier_factor_是浮点数组，长度等于X.shape[0]，可直接用于排序、绘图、加权
Scikit-learn 1.2+版本中，该数组已按升序排列（最小即最异常），但别依赖这个顺序，显式用np.argsort(scores)更稳
多维数据上LOF对量纲敏感：务必先用StandardScaler或MinMaxScaler归一化，否则某列单位大（如收入万元 vs 年龄岁）会主导距离计算

真正麻烦的是高维稀疏数据——LOF在>10维时距离失效问题会凸显，这时得考虑降维或换用IsolationForest。