सांख्यिकीय दृष्टिकोण
सांख्यिकीय दृष्टिकोण मॉडल-आधारित दृष्टिकोण हैं जहां डेटा के लिए एक मॉडल बनाया जाता है, और ऑब्जेक्ट्स की गणना इस बात के संबंध में की जाती है कि वे मॉडल को कितनी अच्छी तरह फिट करते हैं। आउटलेयर डिटेक्शन के लिए अधिकांश सांख्यिकीय दृष्टिकोण एक प्रायिकता वितरण मॉडल विकसित करने और यह विचार करने पर आधारित हैं कि उस मॉडल के तहत ऑब्जेक्ट्स कितने संभावित हैं।
एक आउटलेयर एक ऑब्जेक्ट है जिसकी प्रायिकता वितरण मॉडल के संबंध में कम संभावना होती है। एक प्रायिकता वितरण मॉडल डेटा से उपयोगकर्ता-परिभाषित वितरण के पैरामीटर्स की गणना करके बनाया जाता है।
यदि डेटा को गॉसियन वितरण माना जाता है, तो मूल वितरण के माध्य और मानक विचलन को डेटा के माध्य और मानक विचलन की गणना करके मापा जा सकता है। वितरण के तहत प्रत्येक ऑब्जेक्ट की संभावना की गणना की जा सकती है।
आउटलेयर्स, या असंगत अवलोकनों की पहचान करने के लिए सांख्यिकीय परीक्षणों की एक विस्तृत श्रृंखला विकसित की गई है, जैसा कि उन्हें सांख्यिकीय साहित्य में कहा जाता है। इनमें से कुछ असंगति परीक्षण अत्यधिक विशिष्ट हैं और इस पाठ की क्षमता से परे सांख्यिकीय ज्ञान के स्तर को मानते हैं।
डेटा सेट के विशिष्ट वितरण की पहचान
जबकि कई प्रकार के डेटा को सामान्य वितरणों की एक छोटी संख्या द्वारा वर्णित किया जा सकता है, जिनमें गॉसियन, पॉइसन, या द्विपद शामिल हैं, गैर-मानक वितरण वाले डेटा सेट अपेक्षाकृत सामान्य हैं। बेशक, यदि गलत मॉडल चुना जाता है, तो एक ऑब्जेक्ट को गलती से आउटलेयर के रूप में पहचाना जा सकता है।
उदाहरण के लिए, डेटा को गॉसियन वितरण से उत्पन्न होने के रूप में मॉडल किया जा सकता है, लेकिन यह एक ऐसे वितरण से आ सकता है जिसमें माध्य से दूर मान प्राप्त करने की संभावना (गॉसियन वितरण की तुलना में) अधिक होती है। इस प्रकार के व्यवहार वाले सांख्यिकीय वितरण अभ्यास में सामान्य हैं और हैवी-टेल्ड वितरण कहलाते हैं।
उपयोग किए गए विशेषताओं की संख्या
कुछ सांख्यिकीय आउटलेयर डिटेक्शन तकनीकें एक व्यक्तिगत विशेषता पर लागू होती हैं, लेकिन कुछ तकनीकों को बहुचर डेटा के लिए प्रस्तुत किया गया है।
वितरणों के मिश्रण
डेटा को वितरणों के संयोजन के रूप में मॉडल किया जा सकता है, और ऐसे मॉडलों के आधार पर आउटलेयर डिटेक्शन योजनाएं बनाई जा सकती हैं। हालांकि संभावित रूप से अधिक शक्तिशाली, ऐसे मॉडल जटिल हैं, दोनों सीखने और उपयोग करने में। उदाहरण के लिए, वितरणों को पहले पहचाना जाना चाहिए इससे पहले कि ऑब्जेक्ट्स को आउटलेयर्स के रूप में परिभाषित किया जा सके।
आउटलेयर डिटेक्शन के लिए सांख्यिकीय दृष्टिकोणों की एक ठोस नींव है और ये मानक सांख्यिकीय तकनीकों पर बने हैं, जिनमें वितरण के पैरामीटर्स की गणना शामिल है। जब डेटा और उस प्रकार के परीक्षण के बारे में पर्याप्त ज्ञान होता है जिसका उपयोग किया जाना चाहिए, तो ये परीक्षण कुशल हो सकते हैं। व्यक्तिगत विशेषताओं के लिए सांख्यिकीय आउटलेयर परीक्षणों की एक विस्तृत श्रृंखला है। बहुचर डेटा के लिए कम विकल्प उपलब्ध हैं, और ये परीक्षण उच्च-आयामी रिकॉर्ड के लिए खराब प्रदर्शन कर सकते हैं।
