Unüberwachte Anomalieerkennung

Das Ziel der unüberwachten Anomalieerkennung ist es, seltene Objekte oder Ereignisse in einem Datensatz zu identifizieren, die bisher noch nicht gesehen wurden, und zwar ohne vorheriges Wissen. Der Kern dieser Aufgabe besteht darin, die Verteilung der normalen Daten zu modellieren und auf Basis dieses Modells ein Kriterium zu definieren, um Stichproben als Anomalien oder normal zu klassifizieren. Da anomale Daten in hochdimensionalen Räumen einen extrem geringen Anteil ausmachen und schwierig direkt zu beschreiben sind, ist es in der Regel notwendig, die Daten in einen geeigneteren Merkmalsraum abzubilden, um eine effektive Erkennung zu gewährleisten.