مروری بر روش تشخیص داده های پرت مبتنی بر نودهای همسایه

شناسایی داده‌های پرت در مجموعه داده با توجه به کاربرد آن در شناسایی تقلب در زمینه‌های تجاری، مالی و یا تشخیص بیماری‌ها در زمینه پزشکی، از اهمیت به سزایی برخوردار است. تعداد زیادی از روش‌های تشخیص داده‌های پرت صرفاً مبتنی بر پارامتر فاصله بین داده‌ها بوده که از دقت کافی برخوردار نیستند و محلی بودن داده‌ها و همچنین داده‌های همسایه را در شناسایی داده پرت در نظر نمی‌گیرند. در این مقاله سعی بر مرور روش‌های شناسایی داده پرت مبتنی بر داده‌های همسایه است که علاوه بر در نظر گرفتن پارامتر فاصله از نودهای همسایه نیز برای تشخیص پرت بودن داده در مجموعه داده ها استفاده شود. نتایج حاصل نشان می‌دهد که این روش نسبت به روش‌های مبتنی بر فاصله از دقت بالاتری در شناسایی داده های پرت برخوردار است.

Keywords:

داده کاوی , داده پرت , نودهای همسایهnearest neighborhood