일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
Tags
- darknet
- EfficientNet
- yolov3
- pytorch
- cs231n lecture5
- 논문분석
- RCNN
- DeepLearning
- libtorch
- TCP
- SVM margin
- computervision
- Deep Learning
- CNN
- pytorch project
- Computer Vision
- Faster R-CNN
- self-supervision
- SVM 이란
- CS231n
- svdd
- support vector machine 리뷰
- pytorch c++
- cnn 역사
- 서포트벡터머신이란
- fast r-cnn
- yolo
- Object Detection
- 데이터 전처리
- SVM hard margin
Archives
- Today
- Total
목록밀도기반 이상치 탐지 (1)
아롱이 탐험대

본 포스트는 고려대학교 산업경영공학부 강필성 교수님의 Business Analytics 강의를 정리한 내용입니다. LOF (Local Outlier Factor)는 밀도 기반 이상치 탐지의 방법론 중 하나이다. 위 plot을 보면 $C_{1}$ 부근 영역은 상대적으로 밀도가 낮은 영역이고, $C_{2}$ 부근 영역은 상대적으로 높은 밀도를 가지고 있다. 여기서 $o_{1}$의 경우는 누가 봐도 이상치에 해당하는 값이다. 하지만 $o_{2}$의 경우에는 neighborhood와의 거리가 짧은 곳에 위치해 있다. 초록색 원이 $o_{3}$라고 할 때 $o_{2}$의 neighborhood 간 거리가 $o_{3}$의 neighborhood 거리보다 더 클 것이다. 따라서 이 2개만 비교하면 $o_{2}$는 a..
study/IME654
2022. 7. 7. 14:05