异常检测扩展包括最广为人知的无监督异常检测算法，将单个异常分数分配给示例集的数据行

= = = 4.0.0 = = =

请注意，这个版本是不向后兼容的，因为属性有了新的名称!

• 异常模型现在使用JSON序列化，而不是java序列化
• 正常异常模型现在是IOTablePredictionModels，就像其他学习器一样(除了聚类)
• 由于异常模型现在是IOTablePredictionModels，它们的响应是预测，而不是评分
• 单变量模型仍然是预处理模型，但其主要得分是预测。所有其他的分数称为预测(attributeName)
• 单变量模型现在在它们的描述中陈述正确的覆盖属性

= = = 3.3.0 = = =

警告:此版本不向后兼容，因为列名从v 3.2.0改为3.3.0，只有一个方案。

• 改变了异常值分数在所有检测异常值操作中的作用。现在是信心(分数)。
• 修改了所有检测异常值操作中生成的分数属性的名称。现在是"score"
• 增加了一个新的操作符“生成离群标记”，它允许你离散分数属性。

= = = 3.2.0 = = =

*添加了一个新的操作符Detect Outliers (Isolation Forest)，它以前是操作符工具箱的一部分

*隔离森林中的树现在在原始数据的一个引导子集上训练

*隔离森林中的树现在可以定义每棵树中考虑的特征的数量。

= = = 3.1.0 = = =

*添加了一个新的操作符Detect Outliers(单变量)，这以前是操作符工具箱的一部分

增加了一个新的操作符检测异常值(时间序列)

=== 3.0.1版本===

• 增加了新的算子Detect Outliers (Clustering)，它封装了三种离群点检测算法
• 检测异常值(聚类)提供了一个可以应用于新数据的模型。
• 增加了一个新的操作符Detect Outliers (rPCA)，它也提供了一个模型。
• 切换到最新的LibSVM版本。因此，健壮的单一类不再可用。结果可能略有不同。
• 切换RNN算子库，结果可能不同。

=== 3.0.2版本===

• 固定的小虫子