ELKI数据生成器和异常值

Question

我想为LOF做一个测试，展示它如何管理数据集的密集-稀疏问题。在ELKI数据生成器的教程中，我展示了如何从一个xml文件中创建一个数据集，像这样有4个集群：

<dataset random-seed="1" test-model="1">
<cluster name="Dense" size="290">
<normal mean="0.5" stddev="0.2"/>
<normal mean="0.5" stddev="0.2"/>
<clip min="0 0" max="1 1"/>
</cluster>

<cluster name="Sparse" size="100">
<normal mean="0.25" stddev="0.05"/>
<normal mean="0.75" stddev="0.05"/>
<clip min="0 0" max="1 1"/>
</cluster>

<cluster name="Middle" size="100">
<normal mean="0.75" stddev="0.05"/>
<normal mean="0.75" stddev="0.05"/>
<clip min="0 0" max="1 1"/>
</cluster>

<cluster name="Noise" size="10" density-correction="50">
<uniform min="0" max="1"/>
<uniform min="0" max="1"/>
</cluster>
</dataset>

但是我如何控制异常值呢？ELKI工具需要异常值的少数标签来显示ROCAUC曲线。我从xml文件中得到的文件只是一个数据集中的点文件。

然后，我是否应该自己绘制一个图并识别异常值，并在所有这些异常值后面加上一个是或否，以说明它们是否是异常值，并将少数标签设置为是，是异常值，还是有更简单的方法？

Answer 1

ELKI将默认使用最小的类进行评估。(您可以以不同的方式配置评估！)

如果异常值超过数据的5%，ELKI将发出警告，因为假设异常值很少(实际上，它们应该远远低于5% )。

因此，在你的数据集上，ELKI应该默认使用"Noise“作为异常值类。

在您的配置中，Noise应该是数据集的2%，所以它不应该发出警告。它应该开箱即用。