一种面向稀疏负样本的异常检测方法、模型构建方法及装置，模型构建方法包括：对稀疏负样本数据所处的不同工况进行聚类划分；对当前工况数据集进行空值清洗、无效值处理、数据归一化；对预处理后的数据进行平稳性检验、相关性分析、相似性分析；根据校验及分析结果进行特征工程，计算提取特征并进行特征降维；采用以二叉树为基准的集成算法构建异常检测模型，从降维后的特征组成的样本集中获取训练集，以训练集训练异常检测模型。考虑数据相关性，结合不同维度的特征构建方法提取更准确、有解释性的特征向量空间，有效处理非平稳非线性的历史数据，对极度不均衡样本的高维特征向量进行建模，提高算法模型的可解释性、减少对数据均衡性的依赖。