异常也被称为离群值、新奇、噪声、偏差和例外。有三大类异常探测算法，在假设数据集中大多数实例都是正常的前提下：①无监督异常探测方法能通过寻找与其他数据最不匹配的实例来检测出未标记测试数据的异常；②监督式异常探测方法需要一个已经被标记“正常”与“异常”的数据集，并涉及训练分类器（与许多其他的统计分类问题的关键区别是异常探测的内在不均衡性）；③半监督式异常探测方法根据一个给定的正常训练数据集创建一个表示正常行为的模型，然后探测由学习模型生成的测试实例的可能性。异常事件探测应用非常广泛。例如，在网络安全领域，可以利用异常事件探测来分析网络中的异常行为，通过在网络管理中及时发现在一定时间内发生过大的访问量，以便能较早地抵御分布式拒绝服务等攻击事件以及了解社会上热点突发事件；在金融领域，可以利用异常事件探测分析，识别信用卡的欺诈交易，股市的操控行为，会计信息的虚假报价、欺诈贷款等；在安防领域，可以通过对监控视频图像的异常事件探测，识别危害公共安全的可疑或异常行为，如识别在边境口岸的可疑车辆交通等。