时序异常检测的常见问题

时序异常检测对数据有什么要求？

• 若待检测数据包含了过多时间线，在进行异常检测时需较长的等待时间，建议您设置WHERE条件，先过滤出少量时间线进行测试，获取符合预期的算法与参数后再逐步增加时间线。

• 若原始数据的时间间隔不规则，建议结合时序引擎降采样算子（SAMPLE BY）对数据进行处理，再进行异常检测。

如何选择时序异常检测算法？

如何选择时序异常检测的时间范围？

您可以在不同的使用时期对时间范围有不同的调整策略。

• 首次使用时：请选择足够长的时间范围，以完成异常检测算法初始化，例如分解类算法需要4个周期（一个周期包含波峰、波谷）的数据来完成初始化。您也可以设置参数verbose=true，并观察输出的warmup列，从而判断算法是否已完成初始化（FALSE表示已完成初始化）。

• 完成初始化后：异常检测状态会保留并持续更新，此时，您可以根据需求调整异常检测时间范围，时间范围越小，检测耗时越少。如果您需要持续地对最新数据点进行异常检测，请参见如何不间断地进行时序异常检测。

什么情况下使用adhoc_state参数？

如果您还不熟悉异常检测算法和参数，建议您添加adhoc_state=true参数来对不同算法和参数进行测试。此时，每次执行的异常检测完全独立，可以避免之前累计的状态影响检测效果，检测结果容易复现。

什么情况下使用reset_state参数？

如果您认为数据分布发生了较大变化，异常检测的历史累计状态不再适用，可以添加reset_state=true参数来重置状态。