异常点监测：Anomaly Detection

1、属性值：首先要看取值是否在正常范围内，如人的身高，如果取值为100m那肯定是异常；同时也要看数据背景，在NBA中1.3m的身高也很有可能是异常值。

2、相关性：以人的年龄和体重为例，3岁和150斤都是正常值，但若这两个值出现在一个人身上那肯定也是异常值。以车的速度为例10KM/h和120KM/h都是正常值，如果这两个是相邻两秒的速度值就不正常了。

3、基于模型的判断方法：异常值的模型拟合度肯定差。

4、基于相似度的方法：常用的方法是基于k紧邻的相似度计算。

5、基于密度的方法：常用的密度衡量指标是相对密度。

6、基于聚类的方法：典型的就是两步聚类。