Прогнозные модели как детекторы: остаток, интервал предсказания и их калибровка

Схема простая: модель предсказывает следующее значение, аномалия — сильное отклонение факта от прогноза. Реализаций две, и они различаются по смыслу. Первая — скор по остатку: считаем ошибку прогноза, нормируем робастно по историческим ошибкам, ставим порог по бюджету алертов. Вторая — интервал предсказания: модель сама выдаёт коридор (Prophet — yhat_lower/yhat_upper, квантильная регрессия — заданные квантили), и аномалия определяется выходом за коридор. Вторая выглядит удобнее, но требует проверки: заявленный 95-процентный интервал на реальных данных почти всегда покрывает меньше — из-за автокорреляции ошибок и недооценённой неопределённости параметров. Поэтому интервалы калибруют на отложенном периоде: измеряют фактическое покрытие и растягивают коридор до нужного. Отдельная ловушка — обучать прогнозную модель на истории с инцидентами: она выучит сбои как часть нормального профиля.