时间序列异常检测：Isolation Forest漏检低值异常的原因排查

我有一份时间序列格式的能耗数据集，样例如下：

timestamp   consumption
2017-01-01 00:00:00 14.3
2017-01-01 01:00:00 29.1
2017-01-01 02:00:00 28.7
2017-01-01 03:00:00 21.3
2017-01-01 04:00:00 18.4
... ... ...
2017-12-31 19:00:00 53.2
2017-12-31 20:00:00 43.5
2017-12-31 21:00:00 37.1
2017-12-31 22:00:00 35.8
2017-12-31 23:00:00 33.8

我需要对这份数据做异常检测，识别出异常的高值和低值。我使用了Isolation Forest算法，代码如下：

IF = IsolationForest(random_state=0, contamination=0.005, n_estimators=200, max_samples=0.7)
IF.fit(model_data)

# 新增异常标记列
data['Outliers'] = pd.Series(IF.predict(model_data)).apply(lambda x: 1 if x == -1 else 0)

# 获取异常得分
score = IF.decision_function(model_data)

# 新增异常得分列
data['Score'] = score
data.head()

检测结果的可视化显示，算法识别出了峰值（高值）异常，但遗漏了图中明显的低值异常，请问是什么原因导致的？

以下是几个可能导致Isolation Forest漏检低值异常的核心原因：

• 数据分布偏斜：如果能耗数据整体分布偏高，高值异常的离散程度远大于低值异常，Isolation Forest的随机划分逻辑会更容易捕捉到离散的高值点，而对接近正常数据分布边缘的低值异常敏感度不足。比如凌晨时段的低能耗属于正常波动，而你认为的“明显低值”可能在全局分布中并没有偏离到算法判定为异常的程度。

• contamination参数限制：你设置的contamination=0.005意味着仅识别0.5%的异常点。如果数据中的高值异常数量已经占满了这个配额，即使存在低值异常，也会被算法排除在外。可以尝试适当提高该参数（比如调整为0.01），让算法预留出识别低值异常的空间。

• 未利用时序特性：Isolation Forest是通用无监督异常检测算法，没有考虑时间序列的连续性。那些低值异常可能在局部时间窗口内属于正常范围，但全局看是异常；或者反之。单纯用单变量的Isolation Forest无法捕捉这种时序依赖，建议结合滑动窗口统计（如窗口内均值、标准差），或改用时间序列专用异常检测方法（如STL分解+残差检测、时序LSTM模型等）。

• 特征维度单一：仅使用consumption单特征进行检测，算法无法区分“正常低能耗时段（如凌晨、节假日）”和“异常低能耗”。如果加入时间维度特征（如小时、工作日/周末、季节标签），算法能更精准地识别真正的低值异常，避免误将正常时段的低值判定为正常。

• 算法特性局限：Isolation Forest通过随机划分特征空间孤立异常点，对簇状分布的异常敏感度较低。如果你的低值异常是成簇出现的（而非孤立单点），算法可能无法有效识别这类异常。

内容的提问来源于stack exchange，提问作者Kosmylo