一个关于时序数据异常检测的问题

为什么发生异常都是点或者段异常然后又恢复正常，故障不应该一直故障下去，然后后续的数值都是异常的吗

你说的对，出错之后的数据都是错的，不过对解决问题有帮助的是首次出错的地方。为了保障后续不会持续出现错误数据，有的程序和软件在首次检测到错误的时候会重置（reset）一些参数

故障又好了呗。不一定是故障，可能只是不稳定状态。

异常检测方法

1）直接检测：针对点异常，直接定位离群点，也称离群值检测。

2）间接检测：上下文或集合异常先转化成点异常，然后再求解。

3）时间跨度检测: ARIMA, 回归模型，LSTM等，核心思想：模型学习一段历史数据，再预测, 比对真实值与预测值的偏差判断是否异常。预测类算法在股市交易、量化金融领域有着广泛应用。

4）序列跨度检测：许多传感器应用程序产生的时间序列通常彼此紧密相关。如在一个传感器上的鸟叫通常也会被附近的传感器记录下来。此时可使用一个序列预测另一个序列。与此类预期预测的偏差可以报告为异常值，如隐式马尔科夫链HMM等。

非数值变量：如 categorical, text, mixed data 的处理转化

分布概率转化：变量不再默认服从特定分布（如高斯），而单独根据具体数据集定义概率分布，按乘积方式与数值变量组合以创建单个多元分布。

不知道