一种非常简单但有效的方法是自动回归，这意味着，您可以根据过去的数据训练回归器，并预测未来，如果预测偏离太多 - 那么您称之为异常。

为了使它更正式，如果我们表示$\vec{v}_{t0}$ 作为时间戳的数据$t_0$，我们训练一个回归模型$R$从中学习$\{v_{t_0},\dots,v_{t_{n-1}}\}$.

您的异常分数是$R({v_{t_0},\dots,v_{t_{n-1}}})-v_{t_n}$

我认为您可以使用预测模型来预测下一个值$y_{pred}$之后你有：

$e = |y_{pred} - y_t|$, 使用 error 与 "$alpha \times std$“系列。$alpha = [1, 10]$.

假设您的异常分数基于高斯概率分布，那么您没有理由不能将其扩展为多变量。