ค่าผิดปกติ (Outlier) เป็นวัตถุข้อมูลที่แตกต่างออกไปอย่างมีนัยสำคัญจากวัตถุอื่นๆ เหมือนว่ามันถูกสร้างโดยกลไกที่ต่างกัน สำหรับวัตถุประสงค์ของการสาธิต สามารถกำหนดวัตถุข้อมูลที่ไม่ใช่ค่าผิดปกติว่าเป็น "ปกติ" (Normal) หรือข้อมูลที่คาดหวัง ปกติแล้ว กำหนดค่าผิดปกติว่าเป็น "ผิดปกติ" (Abnormal) ข้อมูล
ค่าผิดปกติคือองค์ประกอบข้อมูลที่ไม่สามารถจัดกลุ่มในคลาสหรือกลุ่ม (Cluster) ที่กำหนดได้ นี่คือวัตถุข้อมูลที่มีพฤติกรรมต่างจากพฤติกรรมปกติของวัตถุข้อมูลอื่นๆ การวิเคราะห์ข้อมูลประเภทนี้อาจสำคัญต่อการเหมืองความรู้
ค่าผิดปกติน่าสนใจเพราะพวกเขาถูกสงสัยว่าไม่ได้ถูกสร้างโดยโครงสร้างเดียวกับข้อมูลส่วนที่เหลือ ดังนั้น ในการตรวจจับค่าผิดปกติ จำเป็นต้องให้เหตุผลว่าทำไมค่าผิดปกติที่ระบุจึงถูกสร้างโดยกลไกที่ต่างกัน
การจำแนกประเภทหนึ่งคลาส (One-class Classification) เรียกว่าการตรวจจับค่าผิดปกติ (หรือ Novelty Detection) เพราะอัลกอริทึมการเรียนรู้สามารถใช้เพื่อแยกแยะระหว่างข้อมูลที่เกิดขึ้นปกติและผิดปกติ เกี่ยวกับการกระจายของระเบียนฝึกอบรม
ตัวอย่างเช่น โดยการสังเกตเว็บไซต์โซเชียลมีเดียที่มีเนื้อหาใหม่เข้ามา การตรวจจับความใหม่ (Novelty Detection) สามารถระบุหัวข้อและแนวโน้มใหม่ได้ทันท่วงที หัวข้อใหม่สามารถปรากฏเป็นค่าผิดปกติเดิม
การตรวจจับค่าผิดปกติและการตรวจจับความใหม่ (Novelty Detection) แบ่งปันความคล้ายคลึงบางอย่างในการสร้างโมเดลและวิธีการตรวจจับ แต่ความแตกต่างสำคัญระหว่างสองอย่างคือ ในการตรวจจับความใหม่ เมื่อหัวข้อใหม่ได้รับการยืนยันแล้ว พวกมันโดยทั่วไปจะถูกรวมเข้าไปในโมเดลพฤติกรรมทั่วไป เพื่อให้อินสแตนซ์ติดตามไม่ถูกมองว่าเป็นค่าผิดปกติอีกต่อไป
วิธีทางสถิติทั่วไปสำหรับการจำแนกประเภทหนึ่งคลาสคือการระบุค่าผิดปกติเป็นอินสแตนซ์ที่อยู่ห่างระยะทาง d จากเปอร์เซ็นต์ p ที่กำหนดของข้อมูลฝึกอบรม นอกจากนี้ ความหนาแน่นความน่าจะเป็น (Probability Density) สามารถคำนวณสำหรับคลาสเป้าหมายโดยการปรับการกระจายสถิติ รวมถึงการกระจายกอสเซียน (Gaussian) ให้กับข้อมูลฝึกอบรม อินสแตนซ์ทดสอบบางส่วนที่มีค่าความน่าจะเป็นต่ำสามารถมองเห็นได้เป็นค่าผิดปกติ
ตัวแบ่งประเภทหลายคลาส (Multiclass Classifiers) สามารถปรับให้เข้าสถานะหนึ่งคลาสได้โดยการปรับขอบเขต (Boundary) รอบข้อมูลโฟกัส และถือว่าตัวอย่างที่ตกภายนอกเป็นค่าผิดปกติ ขอบเขตสามารถสร้างได้โดยการปรับการทำงานภายในของตัวแบ่งประเภทหลายคลาสที่มีอยู่ รวมถึงเครื่องจักรเวกเตอร์สนับสนุน (Support Vector Machines)
วิธีเหล่านี้พึ่งพามากพารามิเตอร์ที่ตัดสินใจว่าข้อมูลเป้าหมายเท่าไหร่ที่น่าจะถูกจัดเป็นค่าผิดปกติ หากเลือกอย่างเกร็ดกราดเกินไป ข้อมูลในคลาสโฟกัสจะถูกทิ้งผิดพลาด หากเลือกอย่างอิสระเกินไป โมเดลจะเรียนรู้เกิน (Overfit) และปฏิเสธระเบียนที่ถูกต้องมากเกินไป อัตราการปฏิเสธโดยทั่วไปไม่สามารถปรับได้ระหว่างการทดสอบ เพราะค่าพารามิเตอร์ที่เหมาะสมต้องเลือกในเวลาฝึกอบรม
ทำความเข้าใจ Outlier Detection: ค่าผิดปกติ vs ข้อมูลปกติ, One-class Classification/Novelty Detection, Statistical Methods (Gaussian, Distance-based), Multiclass Classifier Adaptation (SVM Boundary), Parameter Sensitivity
