[論文レビュー] A Local Density-Based Approach for Local Outlier Detection

Bo Tang, Haibo He|arXiv (Cornell University)|Jun 28, 2016

Anomaly Detection Techniques and Applications参考文献 16被引用数 6

ひとこと要約

本稿では、k近傍、逆近傍、共有近傍の3種類の近傍タイプを用いた局所カーネル密度推定（KDE）に基づく、相対密度に基づく外れ値スコア（RDOS）を用いた、新しい局所外れ値検出手法を提案する。RDOSは、実データおよび合成データにおいて、LOF や INFLO や ODIN といった最先端手法を上回る性能を示し、特に最適な k 値において優れた AUC スコアを達成する。また、パrameter選定の理論的裏付けも提示している。

ABSTRACT

This paper presents a simple but effective density-based outlier detection approach with the local kernel density estimation (KDE). A Relative Density-based Outlier Score (RDOS) is introduced to measure the local outlierness of objects, in which the density distribution at the location of an object is estimated with a local KDE method based on extended nearest neighbors of the object. Instead of using only $k$ nearest neighbors, we further consider reverse nearest neighbors and shared nearest neighbors of an object for density distribution estimation. Some theoretical properties of the proposed RDOS including its expected value and false alarm probability are derived. A comprehensive experimental study on both synthetic and real-life data sets demonstrates that our approach is more effective than state-of-the-art outlier detection methods.

研究の動機と目的

• 単一の近傍タイプに依存する既存の局所外れ値検出手法の限界、および密度推定の堅牢性に欠ける点を是正すること。
• 複雑でクラスタリングが顕著または不均衡なデータにおいて、局所密度推定に複数の近傍関係を組み込むことで検出精度を向上させること。
• 期待値や誤報確率が導出可能であり、実用的なパrameter調整に役立つ理論的裏付けを持つ外れ値スコア（RDOS）の開発。
• 多様な実世界および合成データセットにおいて、LOF や INFLO や ODIN といった最先端手法を上回る優れた性能を示すこと。

提案手法

• 本手法は、各オブジェクトの k近傍、逆近傍、共有近傍の組み合わせに基づいて、カーネル密度推定（KDE）を用いて局所密度を推定する。
• 本手法は、オブジェクトの局所密度をその近傍の密度と比較することで外れ値度を定量化する相対密度に基づく外れ値スコア（RDOS）を導入する。
• RDOS は帯域幅パrameter h を用いたカーネル関数を用いて計算され、各点の密度は、近傍点を中心とするカーネル関数の重み付き和によって推定される。
• 本手法は、RDOS 値に基づき、上位 n 個の異常なオブジェクトを特定するトップ-n ランキング方式を採用する。
• 理論的分析により、RDOS の期待値および誤報確率が導出され、実用的な最適パrameter選定を支援する。
• 本手法は、Breast Cancer、Pen-Local、Pen-Global、Satellite といったベンチマークデータセットを用いて AUC で評価され、さまざまな k 値を用いて検証されている。

実験結果

リサーチクエスチョン

• RQ1 k近傍、逆近傍、共有近傍の3種類の近傍タイプを組み合わせることで、外れ値検出における局所密度推定がどのように向上するか？
• RQ2 提案された RDOS の理論的性質（期待値や誤報確率など）は、パrameter選定にどのように寄与するか？
• RQ3 多様な実世界および合成データセットにおいて、RDOS を用いた手法は LOF や INFLO や ODIN や MNN と比較して、どのように性能を発揮するか？
• RQ4 本手法が最適な性能を発揮するのはどの k 値か、その理由は何か？

主な発見

• Breast Cancer、Pen-Local、Pen-Global、Satellite データセットにおいて、RDOS は LOF や INFLO や ODIN や MNN を上回る性能を示し、特に k=5 または k=15 に設定した場合に顕著である。
• Pen-Global データセットでは、k=15 のとき RDOS が最高の AUC を達成し、性能順は RDOS > LOF > INFLO > ODIN > MNN であった。
• Satellite データセットでは、k>25 の範囲で RDOS が最高の AUC を達成し、この範囲で INFLO よりも優れた性能を示した。
• すべての手法において、k 値が小さい場合（例：k<5）に性能が劣化しており、これは近傍の表現が不十分であることを示している。
• MNN 手法は、すべてのデータセットで一貫して最も性能が低く、その近傍に基づく密度推定に限界があることが示唆された。
• 図 8、10、12、14 の ROC 曲線は、最適な k 値において RDOS が低い誤報率での高い真正陽性率を達成していることを確認している。