异常检测的性能通常使用精确率（precision）、召回率（recall）、F1分数（F1 score）和曲线下面积（AUC）等指标进行评估。精确率衡量在所有检测到的案例中，正确识别的异常所占的比例，有助于量化误报。召回率计算成功检测到的真正异常所占的比例，突出漏报案例。F1 分数通过计算精确率和召回率的调和平均数来平衡这两者，在存在类别不平衡（例如，在一个主要由正常数据组成的 数据集中异常很少）时非常有用。例如，在欺诈检测中，高召回率可以确保大多数欺诈性交易被捕获，即使一些合法交易被错误标记。然而，在制造业质量控制等场景中，精确率变得至关重要，因为虚假警报可能会不必要地暂停生产。
另一种常用方法涉及 ROC-AUC（受试者工作特征曲线下面积）和 PR-AUC（精确率-召回率曲线下面积）。ROC-AUC 绘制了在不同分类阈值下的真正例率（True Positive Rate）和假正例率（False Positive Rate）之间的关系，提供了性能的总体视图。PR-AUC 则侧重于精确率和召回率的权衡，对于异常很少的高度不平衡数据集来说，它能提供更多信息。例如，在网络入侵检测中，ROC-AUC 可能显示出强大的总体性能，但 PR-AUC 可能会因低精确率而揭示检测微小攻击的弱点。这些指标在比较模型或调整阈值时特别有用，因为它们考虑了不同的决策边界。
领域特定的指标也至关重要。在医疗诊断等应用中，误报率（False Positive Rate, FPR）至关重要，因为错误地将健康患者标记为异常会浪费资源。平均检测时间（Mean Time to Detection, MTTD）衡量在时间序列数据（如服务器监控）中检测异常的速度。例如，网络安全系统可能会优先考虑 MTTD 以最大程度地减少漏洞影响。此外，像 Matthews 相关系数（Matthews Correlation Coefficient, MCC）这样的指标为二分类提供了一个平衡的视角，尤其是在类别分布偏斜时。选择正确的指标取决于用例：对 F1 分数进行优化可能适用于欺诈检测，而在工业传感器系统中最小化 FPR 可能更重要。