আউটলায়ার হল একটি ডেটা অবজেক্ট যা অন্য অবজেক্টগুলোর থেকে 보아 মূলত ভিন্ন, যেন এটি একটি ভিন্ন মেকানিজম দ্বারা তৈরি হয়েছে। সহজ উপস্থাপনার জন্য, আউটলায়ার নয় এমন ডেটা অবজেক্টগুলোকে "সাধারণ" বা প্রত্যাশিত তথ্য হিসেবে সংজ্ঞায়িত করা যায়। সাধারণত, আউটলায়ারগুলোকে "অসামান্য" ডেটা হিসেবে সংজ্ঞায়িত করা হয়।
আউটলায়ার হল ডেটা উপাদানগুলো যা একটি প্রদত্ত ক্লাস বা ক্লাস্টারে সংযুক্ত করা যায় না। এগুলো হল সেই ডেটা অবজেক্টগুলো যার আচরণ অন্যান্য ডেটা অবজেক্টগুলোর সাধারণ আচরণ থেকে আলাদা। এই ধরনের ডেটার বিশ্লেষণ জ্ঞান খননের জন্য গুরুত্বপূর্ণ হতে পারে।
আউটলায়ার শব্দwirk ডেটা থেকে আলাদা। শব্দ হল একটি র্যান্ডম ত্রুটি বা একটি কম্পিউটেড ভেরিয়েবলে পরিবর্তন। সাধারণত, শব্দ ডেটা বিশ্লেষণে আকর্ষণীয় নয়, যেমন আউটলায়ার সনাক্তকরণে।
উদাহরণস্বরূপ, ক্রেডিট কার্ড ফরোড সনাক্তকরণে, একজন ব্যবহারকারীর ক্রয় আচরণকে একটি র্যান্ডম ভেরিয়েবল হিসেবে মডেল করা যায়। একজন ব্যবহারকারী কিছু "শব্দ ট্রানজ্যাকশন" করতে পারে যা "র্যান্ডম ত্রুটি" বা "বিচ্যুতি" এর মতো দেখায়, যেমন একদিন বড় লাঞ্চ কেনা বা সাধারণত চেয়ে এক কাপ বেশি কফি নেওয়া।
এই ট্রানজ্যাকশনগুলো আউটলায়ার হিসেবে বিবেচনা করা উচিত নয়; অন্যথায় ক্রেডিট কার্ড কোম্পানিটি কিছু ট্রানজ্যাকশন যাচাই করার জন্য বড় খরচ ভোগ করতে পারে। কোম্পানিটি ব্যবহারকারীদের বারবার মিথ্যা সতর্কতা দিয়ে বিরক্ত করে তাদের হারাতে পারে। অনেক ডেটা বিশ্লেষণ এবং ডেটা মাইনিং সার্ভিসের মতো, আউটলায়ার সনাক্তকরণের আগে শব্দ দূরীকরণ করা আবশ্যক।
কিছু বাস্তব-বিশ্বের ডেটাবেসে আউটলায়ার বা অনুপস্থিত, বেনামী বা ভুল ডেটা থাকে। কিছু ক্লাস্টারিং অ্যালগরিদম এই ডেটার ওপর সংবেদনশীল এবং নিম্ন মানের ক্লাস্টার তৈরি করতে পারে।
আউটলায়ার আকর্ষণীয় কারণ সেগুলো বাকি ডেটার মতো একই কাঠামো দ্বারা তৈরি না হওয়ার সন্দেহ করা হয়। তাই, আউটলায়ার সনাক্তকরণে, সনাক্তকৃত আউটলায়ারগুলো কেন ভিন্ন মেকানিজম দ্বারা তৈরি হয়েছে তা ব্যাখ্যা করা জরুরি।
এটি বাকি তথ্যের ওপর বিভিন্ন ধরণের অনুমান তৈরি করে এবং দেখিয়ে যে সনাক্তকৃত আউটলায়ারগুলো সেই অনুমানগুলোর লঙ্ঘন করেছে মূলত। আউটলায়ার সনাক্তকরণ নভেলটি সনাক্তকরণের সাথে সংশ্লিষ্ট যা নতুন ডেটা সেটে অন্তর্ভুক্ত। উদাহরণস্বরূপ, একটি সোশ্যাল মিডিয়া ওয়েবসাইট পর্যবেক্ষণ করে যেখানে নতুন কন্টেন্ট আসছে, নভেলটি সনাক্তকরণ নতুন বিষয় এবং ট্রেন্ডগুলো সময়মতো সনাক্ত করতে পারে।
নতুন বিষয়গুলো প্রাথমিকভাবে আউটলায়ার হিসেবে দেখাতে পারে। আউটলায়ার সনাক্তকরণ এবং নভেলিটি সনাক্তকরণ মডেলিং এবং সনাক্তকরণ পদ্ধতিতে কিছু সাদৃশ্য শেয়ার করে। কিন্তু একটি গুরুত্বপূর্ণ পার্থক্য হল নভেলিটি সনাক্তকরণে, একবার নতুন বিষয়গুলো নিশ্চিত হলে, সেগুলো সাধারণত সাধারণ আচরণের মডেলে একীভূত করা হয় যাতে ফলো-আপ ইনস্ট্যান্সগুলো আর আউটলায়ার হিসেবে বিবেচনা না হয়।
