Phát hiện bất thường

Phát hiện bất thường xác định các quan sát không phù hợp với hành vi dự kiến, thường được gọi là các ngoại lệ, mới lạ hoặc ngoại lệ. Hầu hết các phương pháp tiếp cận trước tiên đều tìm hiểu xem 'bình thường' trông như thế nào, sau đó tính điểm dữ liệu mới theo mức độ sai lệch của nó. Các phương pháp thống kê đánh dấu các điểm vượt quá một vài độ lệch chuẩn; các phương pháp dựa trên khoảng cách như k-hàng xóm gần nhất gắn cờ các điểm cách xa các điểm ngang hàng của họ; các phương pháp mật độ như điểm cờ Yếu tố ngoại lệ cục bộ ở các vùng thưa thớt. Học máy bổ sung thêm Rừng cách ly, khai thác thực tế là các điểm bất thường rất dễ bị cô lập với một vài phần tách ngẫu nhiên và bộ mã hóa tự động, giúp tái tạo tốt dữ liệu bình thường nhưng không thành công ở những điểm bất thường. Thách thức cốt lõi là các điểm bất thường rất hiếm và thường không được gắn nhãn, vì vậy các mô hình phải học chủ yếu từ các ví dụ thông thường và chấp nhận các định nghĩa mơ hồ, ngày càng phát triển về 'bình thường'.