Trong phát hiện bất thường, mục tiêu là khám phá các đối tượng khác biệt với các đối tượng khác. Thường, các đối tượng bất thường được gọi là ngoại lai, vì trên biểu đồ phân tán dữ liệu, chúng nằm xa các điểm dữ liệu khác. Phát hiện bất thường gọi là phát hiện độ lệch, vì các đối tượng bất thường có giá trị thuộc tính lệch bản chất từ giá trị thuộc tính kỳ vọng hoặc chung, hoặc như khai thác ngoại lệ, vì các bất thường là ngoại lệ theo một số ý nghĩa.
Có nhiều ứng dụng của phát hiện bất thường như sau:
Phát hiện gian lận (Fraud Detection) – Hành vi mua sắm của người cắp thẻ tín dụng khác với chủ thẻ ban đầu. Các công ty thẻ tín dụng cố gắng xác định trộm cắp bằng cách tìm kiếm các mẫu mua sắm đặc trưng cho gian lận hoặc bằng cách nhận biết sự thay đổi từ hành vi bình thường. Các phương pháp tương tự được dùng cho các loại gian lận khác.
Phát hiện xâm nhập (Intrusion Detection) – Thật không may, các tấn công vào hệ thống máy tính và mạng máy tính là phổ biến. Mặc dù một số tấn công, bao gồm những tấn công nhằm vô hiệu hóa hoặc làm quá tải máy tính và mạng, rõ ràng, nhưng các tấn công khác, bao gồm những tấn công nhằm bí mật thu thập dữ liệu, khó xác định. Một số xâm nhập này có thể được xác định bằng cách quan sát hệ thống và mạng cho hành vi bất thường.
Rối loạn hệ sinh thái (Ecosystem Disturbances) – Trong thế giới tự nhiên, có các sự kiện phổ biến có thể có tác động thiết yếu đến con người. Ví dụ bao gồm bão, lũ, hạn, sóng nhiệt, và cháy rừng. Mục tiêu là dự đoán xác suất các sự kiện này và nguyên nhân của chúng.
Y tế công cộng (Public Health) – Ở một số quốc gia, bệnh viện và phòng khám y tế báo cáo nhiều thống kê cho các tổ chức quốc gia để phân tích thêm. Ví dụ, nếu một số trẻ em trong một thành phố được tiêm chủng cho một bệnh cụ thể, như sởi, thì sự xuất hiện của một vài trường hợp phân tán trên nhiều bệnh viện trong thành phố là sự kiện bất thường có thể chỉ ra vấn đề với chương trình tiêm chủng trong thành phố.
Y học (Medicine) – Đối với một bệnh nhân cụ thể, các triệu chứng bất thường hoặc kết quả kiểm tra có thể chỉ ra các vấn đề sức khỏe tiềm ẩn. Tuy nhiên, xem một kết quả kiểm tra cụ thể có bất thường hay không có thể phụ thuộc vào nhiều đặc điểm của bệnh nhân, bao gồm tuổi và giới tính. Hơn nữa, việc phân loại kết quả là bất thường hay không mang chi phí – kiểm tra thêm không cần thiết nếu bệnh nhân khỏe mạnh và tổn hại có thể nếu bệnh trạng bị bỏ qua không chẩn đoán và điều trị.
Mặc dù một số quan tâm hiện tại về phát hiện bất thường đã được thúc đẩy bởi phần mềm mà trong đó các bất thường là mục tiêu, về mặt lịch sử, phát hiện bất thường đã được xem như một kỹ thuật để cải thiện phân tích các đối tượng dữ liệu bình thường. Ví dụ, một số lượng nhỏ tương đối các ngoại lai có thể thay đổi trung bình và độ lệch chuẩn của một nhóm giá trị hoặc thay đổi tập cụm được tạo bởi thuật toán phân cụm. Do đó, phát hiện bất thường là một yếu tố của tiền xử lý dữ liệu.