数据集中可能包含一些数据对象，它们与数据的一般行为或模型不一致。这些数据对象称为离群点（outlier），离群点可能对应于稀有事件或异常行为。离群点数据分析称做离群点分析或异常挖掘。离群点挖掘可揭示稀有事件和现象、发现有趣的模式。

大部分数据挖掘方法都将离群点视为噪声或异常而丢弃。然而，在一些应用中，罕见的事件可能比正常出现的事件更令人感兴趣。比如，在欺诈监测中离群点意味着欺诈行为的发生。在入侵检测中，离群点意味着入侵行为的发生。在广义的安全问题中，离群点的监测逐步成为一种有用的工具，用来发现稀有模式，比如电信、保险、银行、电子商务、气象灾害、商业客户分类、医学诊断发现新的疾病、网络安全入侵检测。

可以假定一个数据分布或概率模型，使用统计检验来检测离群点；或者使用距离度量，将远离任何簇的对象视为离群点。不使用统计或距离度量，基于密度的方法也可以识别局部区域中的离群点。还有基于聚类的方法、基于偏差的方法、基于深度的方法等等。

来源：

蒋盛益等，《数据挖掘原理与实践》，电子工业出版社，2013.2