• Basic problem: other outliers are

• Basic problem: other outliers are also in the reference set and may falsify the results
– Local approaches
• The reference contains a (small) subset of data objects
• No assumption on the number of normal mechanisms
• Basic problem: how to choose a proper reference set
– NOTE: Some approaches are somewhat in between
• The resolution of the reference set is varied e.g. from only a single object (local) to the entire database (global) automatically or by a user-defined input parameter
• Labeling versus scoring
– Considers the output of an outlier detection algorithm
– Labeling approaches
• Binary output
• Data objects are labeled either as normal or outlier
– Scoring approaches
• Continuous output
• For each object an outlier score is computed (e.g. the probability for being an outlier)
• Data objects can be sorted according to their scores
– Notes
• Many scoring approaches focus on determining the top-n outliers
(parameter n is usually given by the user)

Kết quả (Việt) 1:

• Vấn đề cơ bản: outliers khác cũng trong tài liệu được thiết lập và có thể làm sai lệch kết quả-Phương pháp tiếp cận địa phương• Tài liệu tham khảo bao gồm một nhóm các đối tượng dữ liệu (nhỏ)• Không có giả định về số lượng các cơ chế bình thường• Vấn đề cơ bản: làm thế nào để chọn một tập hợp tài liệu tham khảo-Lưu ý: Một số phương pháp tiếp cận là phần nào ở giữa• Độ phân giải của tập tài liệu tham khảo khác nhau ví dụ như từ chỉ một đối tượng duy nhất (local) toàn bộ cơ sở dữ liệu (toàn cầu) tự động hoặc bằng tham số đầu vào người dùng xác định• Ghi nhãn so với ghi-Xem xét ra một thuật toán phát hiện outlier -Ghi nhãn phương pháp tiếp cận• Nhị phân ra• Dữ liệu đối tượng được gắn nhãn hoặc là bình thường hay outlier-Ghi phương pháp tiếp cận• Liên tục đầu ra• Đối với từng đối tượng một outlier điểm tính toán (ví dụ: xác suất là một outlier)• Dữ liệu đối tượng có thể được sắp xếp theo điểm số của họ-Ghi chú• Nhiều cách tiếp cận điểm tập trung vào việc xác định các outliers top-n (n tham số thường được đưa ra bởi người sử dụng)

Kết quả (Việt) 2:

• Vấn đề cơ bản: giá trị ngoại lai khác cũng trong tài liệu tham khảo thiết và có thể làm sai lệch kết quả
- phương pháp tiếp cận địa phương
• Các tài liệu tham khảo có chứa một (nhỏ) tập hợp con của các đối tượng dữ liệu
• Không giả định về số lượng các cơ chế bình thường
• vấn đề cơ bản: làm thế nào để lựa chọn một thích hợp tài liệu tham khảo thiết
- Chú ý: một số phương pháp tiếp cận có phần ở giữa
• Độ phân giải của bộ tài liệu tham khảo là ví dụ đa dạng từ chỉ một đối tượng duy nhất (địa phương) cho toàn bộ cơ sở dữ liệu (toàn cầu) hoặc tự động bởi một người dùng xác định đầu vào tham số
• Ghi nhãn so với điểm
- xem xét kết quả của một thuật toán phát hiện outlier
- nhãn tiếp cận
• đầu ra nhị phân
• vật liệu được dán nhãn hoặc như bình thường hoặc outlier
- phương pháp chấm điểm
• đầu ra liên tục
• với mỗi đối tượng một số điểm outlier được tính (ví dụ như xác suất là một outlier)
• dữ liệu đối tượng có thể được sắp xếp theo điểm số của họ
- Ghi chú
• Nhiều phương pháp chấm điểm tập trung vào việc xác định top-n giá trị ngoại lai
(tham số n thường được đưa ra bởi người sử dụng)