離群點的定義：離群點是一個數據物件，它顯著不同於其他資料物件，好像它是被不同的機制產生一樣。

離群點的來源：

（1）客體的異常行為導致，如欺詐、入侵、不尋常的實驗結果

（1）去除某些異常資料

（2）“一個人的噪聲也許是其他人的訊號”，可以提供新的視角。

離群點檢測的應用領域：

（1）電信、保險、銀行中的欺詐檢測和風險分析
（2）醫學研究中藥品產生的異常反應
（3）稅務局檢測交稅記錄
（4）檢測誤差

離群點檢測的方法：

（1）基於統計的方法

假定正常的資料物件由一個統計模型（如正太分佈）產生，而不遵守該模型的資料是離群點。

應用基於統計分佈的離群點檢測方法依賴於

優點：

離群點檢測的統計學方法具有堅實的基礎，建立在標準的統計學技術(如分佈引數的估計)之上。

當存在充分的資料和所用的檢驗型別的知識時，這些檢驗可能非常有效。

缺點：

a.大部分統計方法是針對單個屬性的，對於多元資料技術方法較少。

b.在許多情況下,資料分佈是未知的。

c.對於高維資料,很難估計真實的分佈。

d.這類方法不適合混合型別資料

（2）基於距離的方法

基本思想：一個物件是離群的，如果它遠離大部分其它物件。

例如使用k近鄰進行檢測

當資料集含有多種分佈或資料集由不同密度子集混合而成時，資料是否離群不僅僅取決於它與周圍資料的距離大小，而且與鄰域內的密度狀況有關。

使用每個物件到第k個最近鄰的距離大小或給定鄰域範圍內其他物件的個數來度量密度。

（4）基於聚類的方法

把離群點檢測為不屬於任何簇的物件。

基於聚類的方法有兩個共同特點：

a.先採用特殊的聚類演算法處理輸入資料而得到聚類，再在聚類的基礎上來檢測離群點。

b.只需要掃描資料集若干次，效率較高，適用於大規模資料集。