统计和机器学习工具箱™には,ラベル付けされていない多変量の標本データ向けの異常検出機能がいくつか用意されています。異常検出機能では,モデルに学習させるかパラメーターを学習することで外れ値(学習データの異常)を検出します。新規性の検出(汚染されていない学習データで新規のデータの異常を検出)では,汚染されていない学習データ(外れ値がないデータ)でモデルに学習させるかパラメーターを学習し,学習させたモデルまたは学習したパラメーターを使用して新規のデータの異常を検出します。詳細にいては，教師なし異常検出を参照してください。

標準の点と異常のラベルが付いた学習データがある場合は,バイナリ分類モデルに学習させて,オブジェクト関数resubPredictと预测をそれぞれ使用して学習デ，タと新規のデ，タの異常を検出できます。サポトされる分類特徴のリストにいては，分類を参照してください。

ツールボックスには,分類モデル,回帰モデル,またはクラスタリングモデルに学習させた後に適用できるモデル固有の異常検出機能も用意されています。詳細にいては，モデル固有の異常検出を参照してください。