Rilevamento di anomalie per dati categorici

Il sistema di rilevamento degli outlier scopre eventi nuovi o rari anomalie azioni viziose fenomeni eccezionali. È obbligatorio trovare queste anomalie nell'estrazione dei dati perché la presenza di questi oggetti di solito rende il database inefficiente. Un outlier è un'osservazione che si discosta talmente tanto dalle altre osservazioni da destare il sospetto che sia stata generata da un meccanismo diverso. L'individuazione di oggetti che non sono conformi a nozioni ben definite di comportamento atteso in un set di dati è chiamata rilevamento degli outlier. Il rilevamento degli outlier è una fase di pre-elaborazione per individuare questi oggetti non conformi nei set di dati. L'individuazione degli outlier è un processo impegnativo nei database di grandi dimensioni poiché i dati hanno un'elevata dimensionalità e un basso tasso di anomalie. In questa sede vengono definiti formalmente gli outlier e vengono proposte modalità ottimizzate per il loro rilevamento. L'ottimizzazione del rilevamento degli outlier è ottenuta grazie al nuovo concetto di oloentropia che combina entropia e correlazione totale. Si tratta di un fenomeno pratico più efficace ed efficiente nei metodi di rilevamento degli outlier. Può essere utilizzato efficacemente per gestire insiemi di dati grandi e ad alta dimensionalità.