很多应用需要决定新的观测值是否属于已有的观测集，这种能力经常被用来清洗数据。
两个很重要的区别：

• 奇异值探测（novelty detection）：
  训练数据不受异常值的污染，我们感兴趣的是在新观测中发现异常。
• 异常值探测（outlier detection）：
  训练数据含有异常值，我们需要拟合训练数据的中心模式，忽略偏差观测值。

奇异值探测

一般来说，奇异值探测是要学习一个绘制在高维空间上的粗糙、近似的轮廓来定义初始观测值的分布。然后，如果进一步的观测在边界内，则认为他们与初始观测值来自于同一分布，如果落在边界外，判定他们是异常的。
One-Class SVM 可以使用 svm.OneClassSVM 来实现。 它需要选择核和参数来定义边界，通常使用RBF核。

异常值探测

异常值探测和奇异值探测都是将一些污染的“孤立点”和常规观测的核心分开。但是，在异常值探测中，我们没有一个能代表常规观测分布的干净数据集来进行训练。

椭圆包络线拟合

一种常规的异常值探测方法是假定数据都来自于一个已知的分布（比如高斯分布），按照这个假设，我们试着去定义数据的形状，定义那些与形状足够远的观测值为异常值。
sklearn 提供了covariance.EllipticEnvelope 对数据进行稳健的协方差估计，从而将椭圆与中心数据点匹配，忽略中心模式以外的点。
例如，假定内层数据是服从高斯分布的，将能够鲁棒地估计位置和协方差（不包括异常值的影响）。Mahalanobis 距离被用来衡量异常值。

Isolation Forest

在高维数据集上进行异常值探测的一种有效方法是使用随机森林。ensemble.IsolationForest 通过随机地选择特征，然后在所选特征的值域区间随机地选择分割值来“孤立”观测值。
由于递归分割可以用树结构来表示，需要的分割次数等于从根节点到目标节点的长度。
路径的长度是森林中随机树的平均值，是对正态性和决策函数的衡量。
随机切分对于异常值产生明显短的路径，因此，如果随机森林在特定的样本上生成了较短的路径长度，他们很可能是异常的。

总结

严格来说，One-Class SVM不是异常值探测方法，而是奇异值探测方法，它的训练集不应该被异常值污染，因为它可能拟合异常值。就是说，高维数据或者没有假设分布的异常值探测是很有挑战的，One-Class SVM在这些情况下能得到有用的结果。

• 对于中心化和椭圆化的内在模式，svm.OneClassSVM无法从 the rotational symmetry of the inlier population获益，拟合了一些训练集中的异常值。相反，covariance.EllipticEnvelope和ensemble.IsolationForest 表现较好。
• 对于双峰分布的内在模式，covariance.EllipticEnvelope不能很好的拟合，然而，ensemble.IsolationForest 和svm.OneClassSVM也很难探测这种模式，svm.OneClassSVM会产生过拟合，因为它没有正确的模型，它解释了一些异常值凑巧聚集在一起的区域。
• 对于非高斯分布的内在模式，svm.OneClassSVM和ensemble.IsolationForest能够合理的近似，但是covariance.EllipticEnvelope几乎是失败的。

http://scikit-learn.org/stable/modules/outlier_detection.html