ML.NET如何检测含缺失/间隔数据的异常值

针对你遇到的带时间间隔的异常检测需求，结合现有方法的局限，给你几个实用的方向：

• 补全等间隔时间序列，复用现有检测方法
  按照业务的时间粒度（比如每分钟、每月）把缺失的时间点补全，无数据的时间段填充为0。比如Web服务每分钟的请求数据，中断的那几分钟补0；账单数据里连续无发票的月份补0。这样把数据转换成等间隔的一维float数组后，原有的DetectSpike/DetectAnomaly就能识别连续的0值序列作为异常。

• 基于时间窗口的规则检测
  直接根据业务场景写规则逻辑，简单高效：

  • 对Web服务：设定固定时间窗口（比如5分钟），统计窗口内的请求数，若连续N个窗口数值都为0，直接标记为异常。
  • 对账单：按月份遍历数据，检查是否存在连续2个及以上月份数值为0，标记为异常。

• 构建带时间戳的序列，检测时间间隔异常
  把数据转换成(时间戳, 数值)的结构化序列，计算当前数据点与上一个有效数据点的时间间隔。比如Web服务中，正常情况下相邻数据点间隔是1分钟，若间隔超过1分钟，说明中间存在中断；账单数据中，相邻有效账单的间隔超过1个月，就标记异常。

• 扩展时序异常检测逻辑
  如果需要更通用的方案，可以引入滑动窗口统计特征（比如窗口内的均值、数据点数量），结合时间维度判断异常。比如滑动窗口内的数据点数量远低于预期（比如5分钟窗口内只有1个数据点，正常应该有5个），就判定为异常。

内容的提问来源于stack exchange，提问作者mr R