كشف الشذوذ

الأمر مهم لأن الأحداث النادرة وغير المتوقعة — الاحتيال، أعطال المعدات، التسلل — غالبا ما تختبئ في محيطات من البيانات الروتينية التي لا يستطيع البشر مسحها يدويا.

يحدد اكتشاف الحالات الشاذة الملاحظات التي لا تتوافق مع السلوك المتوقع، والتي تسمى غالبًا القيم المتطرفة أو المستجدات أو الاستثناءات. تتعلم معظم الأساليب أولًا كيف يبدو الوضع "العادي"، ثم تسجل بيانات جديدة حسب مدى انحرافها. تشير الأساليب الإحصائية إلى نقاط تتجاوز بعض الانحرافات المعيارية؛ الأساليب القائمة على المسافة مثل نقاط تحديد الجيران الأقرب إلى أماكن بعيدة عن أقرانهم؛ طرق الكثافة مثل نقاط علم العامل الخارجي المحلي في المناطق المتناثرة. يضيف التعلم الآلي غابات العزلة، التي تستغل حقيقة أنه من السهل عزل الحالات الشاذة مع عدد قليل من الانقسامات العشوائية، وأجهزة التشفير التلقائي، التي تعيد بناء البيانات العادية بشكل جيد ولكنها تفشل في الأمور غير العادية. ويتمثل التحدي الأساسي في أن الحالات الشاذة نادرة وغالباً ما تكون غير مصنفة، لذا يجب أن تتعلم النماذج في الغالب من الأمثلة العادية وتتسامح مع التعريفات الغامضة والمتطورة لـ "العادي".