Anomale Erkennung ist der Prozess der Identifizierung von Gründen für čnderungen von Datenwerten, die von der Norm abweichen. Anomalie ist etwas, das sich erheblich vom erwarteten Standard entfernt. Anomale Daten sind meist mit einem Problem oder Ereignis verbunden, das sie beeinflusst hat, zum Beispiel Hacking, strukturelle oder textliche Fehler.
Es gibt drei Arten der anomalen Erkennung: Überwachtes, semi-überwachtes und unüberwachtes Lernen. Überwachte Techniken verwenden einen vollständigen Satz von „normalen“ und „abnormalen“ Werten, die klassifiziert werden. Die semi-überwachte Technik verwendet einen Datensatz zur Erstellung einer repräsentativen Norm und erkennt so Anomalien. Die unüberwachte Methode erkennt Anomalien in einem unmarkierten Testdatensatz, unter der Annahme, dass der Großteil „normal“ ist.
In der Praxis wird die anomale Erkennung verwendet, um Hackerangriffe vorherzusagen oder um festzustellen, welche Rabatte oder neuen Produkte den Umsatz steigern.