Có nhiều phương pháp phát hiện giá trị ngoại lai như sau:
Phương pháp Có giám sát (Supervised Methods)
Phương pháp có giám sát mô hình hóa sự bình thường và bất thường của dữ liệu. Chuyên gia lĩnh vực kiểm tra và gán nhãn mẫu dữ liệu cơ bản. Phát hiện ngoại lai có thể được mô hình hóa như bài toán phân loại. Nhiệm vụ là học một bộ phân loại có thể xác định ngoại lai.
Mẫu có thể dùng cho huấn luyện và kiểm tra. Trong nhiều ứng dụng, chuyên gia chỉ có thể gán nhãn đối tượng bình thường, và các đối tượng không phù hợp mô hình bình thường được ghi nhận là ngoại lai. Có phương pháp khác mô hình hóa ngoại lai và coi đối tượng không phù hợp mô hình ngoại lai là bình thường.
Phương pháp Không giám sát (Unsupervised Methods)
Trong nhiều phương pháp ứng dụng, đối tượng được gán nhãn "bình thường" hoặc "ngoại lai" không khả dụng. Do đó, phương pháp học không giám sát phải được dùng. Phương pháp phát hiện ngoại lai không giám sát tạo ra giả định ngầm như: đối tượng bình thường "được gom cụm" (clustered) đáng kể.
Phương pháp không giám sát dự đoán đối tượng bình thường tuân theo mẫu phổ biến hơn nhiều so với ngoại lai. Đối tượng bình thường không nhất thiết phải rơi vào một nhóm chia sẻ độ tương đồng lớn. Thay vào đó, chúng có thể tạo nhiều nhóm, mỗi nhóm có nhiều đặc trưng.
Giả định này không phải lúc nào cũng đúng. Đối tượng bình thường không biểu hiện một số mẫu mạnh. Thay vào đó, chúng phân bố đều. Các ngoại lai tập thể (collective outliers) chia sẻ độ tương đồng lớn trong khu vực nhỏ.
Phương pháp không giám sát không thể xác định hiệu quả các ngoại lai như vậy. Trong một số ứng dụng, đối tượng bình thường phân bố riêng biệt, và nhiều đối tượng không tuân theo mẫu mạnh. Ví dụ, trong phát hiện xâm nhập và phát hiện virus máy tính, hoạt động bình thường là riêng biệt và một số không rơi vào cụm chất lượng cao.
Một số phương pháp phân cụm có thể điều chỉnh để làm phương pháp phát hiện ngoại lai không giám sát. Ý tưởng chính là tìm cụm trước, sau đó đối tượng dữ liệu không thuộc cụm nào được xác định là ngoại lai. Tuy nhiên, các phương pháp này gặp hai vấn đề. Thứ nhất, đối tượng dữ liệu không thuộc cụm nào có thể là nhiễu (noise) chứ không phải ngoại lai. Thứ hai, tốn kém để tìm cụm trước rồi mới tìm ngoại lai.
Phương pháp Bán giám sát (Semi-Supervised Methods)
Trong nhiều ứng dụng, mặc dù có thể lấy một số thể hiện gán nhãn, số lượng thể hiện gán nhãn như vậy nhỏ. Có thể gặp trường hợp chỉ một nhóm nhỏ đối tượng bình thường và ngoại lai được gán nhãn, nhưng nhiều dữ liệu chưa gán nhãn. Phương pháp phát hiện ngoại lai bán giám sát được phát triển để giải quyết các phương pháp như vậy.
Phương pháp phát hiện ngoại lai bán giám sát có thể được xem như ứng dụng của các phương pháp học bán giám sát. Ví dụ, khi một số đối tượng bình thường gán nhãn có sẵn, có thể dùng chúng với các đối tượng chưa gán nhãn gần đó để huấn luyện mô hình cho đối tượng bình thường. Mô hình đối tượng bình thường được dùng để xác định ngoại lai - những đối tượng không phù hợp mô hình bình thường được định nghĩa là ngoại lai.