Точечные, контекстные и коллективные аномалии: как тип аномалии меняет выбор метода?

Точечная аномалия — отдельное наблюдение, необычное само по себе: платёж на миллион там, где обычно тысячи. Такие ловят методы, работающие с одним вектором признаков: robust z-score, Isolation Forest, LOF. Контекстная аномалия — значение, нормальное вообще, но не в этом контексте: тысяча заказов в четыре утра или в понедельник после праздника. Абсолютное значение здесь ни при чём, поэтому метод обязан видеть контекст — либо явно, через признаки (час, день недели, сегмент), либо неявно, через модель ряда: разложение сезонности или прогноз с интервалом. Коллективная аномалия — группа наблюдений, каждое из которых нормально, а вместе они образуют неправильный узор: ровно по одному входу в систему каждые тридцать секунд сутки подряд. Ловится только методами, работающими с последовательностью: скользящие окна, матричный профиль, автоэнкодер на окне, поиск точек разладки. Ошибка в определении типа стоит дороже выбора алгоритма: точечный детектор физически не увидит коллективную аномалию, сколько его ни тюнить.