本发明公开了一种基于回归预测方法监测KPI指标中的单点数据异常、连续数据异常、相关性异常等多元数据异常的方法。方法主要包括以下步骤：对数据集进行预处理，分析数据集的周期性，趋势，相关性等统计属性；对数据集通过统计建模或机器学习算法计算预测值；计算实际值与预测值的异常分数，并利用3‑sigma准则进行异常值的监测；针对单点异常，直接通过准则监测；针对连续异常，为降低连续异常对预测的影响，采取一个周期内的预测平均值进行异常分数计算。使用标准度量方法AUC和PRAUC来评估算法精度。在本方法中可以采用多种机器学习回归算法进行预测值计算，针对多元异常提出针对性解决方案，使算法更具灵活性，对数据的异常类型监测也更全面。