异常检测的例子：
如飞机引擎的两个特征：产生热量与振动频率，我们有m个样本画在图中如上图的叉叉所示，这时来了一个新的样本（x），如果它落在上面，则表示它没有问题，如果它落在下面（如上图所示），表示这个样本有些问题，在把它交付给客户之前，我们需要对它做进一步的检测。
对异常检测一般化的描述：
我们有m个正常的样本，来了一个新的样本x，我们需要检测它是否异常？？？
→我们的方法是根据这m个正常的样本，来建立一个模型p(x),即对x的分布概率建模
→建好模型后，根据这个模型p(x)来看新的需要检测的数据x,根据P(x)是否小于一个阀值(ε)来判断它是否为异常(anomaly)
→这样会发现靠近中心点的p(x)值会大些，远离中心点的p(x)的值会小，为异常点。
异常检测的一些应用
欺诈检测：如用x来表示用户的一系列行为，如x1表示用户登陆的次数，x2表示用户访问某个网页的次数，x3用来表示用户提交的次数等等，通过对这些用户的行为进行建模来检测异常用户，这些异常用户不仅仅是被盗号的用户，而是行为有异常的用户。
工业生产领域：如找到异常的飞机引擎，进一步细查这些引擎的质量。
数据中心的计算机监控：数据中心或者计算机集群，根据机器的一些使用情况，如内存使用量、硬盘访问量、CPU载量等来建模p(x)，当检测到某台计算机有异常时（p(x)<ε）需要对其做进一步的检查。