用途：该技能定位为显式、手动调用的异常分析辅助工具，用于调查数据集中的离群点、罕见事件、尖峰和可疑记录。在受治理的机器学习路由中，经典异常检测的归属通常为 scikit-learn。
主要能力：适用于审查异常交易、欺诈候选、传感器尖峰或罕见故障；比较孤立森林、单类SVM、LOF 或基于阈值的异常检测工作流；将可疑记录整理成供人工检查的候选清单。典型输出包括候选异常检测方法与阈值、针对假阳性与假阴性的复核清单，以及可疑子集建议的表格或图表。
使用方式：作为显式/手动辅助技能调用，用于异常分析场景。资料未提供具体安装命令、代码示例或调用参数。
适用场景：离群交易、欺诈候选、传感器尖峰、罕见失败等可疑记录的初步筛查与人工复核准备。
限制与边界：不用于空值、重复、模式或范围校验，此类任务应使用 exploratory-data-analysis；不负责完整模型训练或端到端流水线，应使用 scikit-learn 或 ml-pipeline-workflow；不用于出版级图表制作，应使用 scientific-visualization。相关技能包括作为受治理路由归属的 scikit-learn，以及识别异常后使用的 creating-data-visualizations。具体收费、价格、平台与效果暂未提供。