AIKraft/AI/Поиск…⌘KВойти

yzhao062/pyod

Библиотека Python для обнаружения аномалий в табличных данных, временных рядах, графах, тексте, изображениях и аудио. Более 60 детекторов, оркестрация через ADEngine с бенчмарками и агентный рабочий процесс для AI-агентов.

Инструменты⭐ 10 010Pythonпоследний релиз: v3.6.6
Открыть на GitHub ↗Сайт проекта ↗

Что это за инструмент

PyOD — это библиотека Python для обнаружения аномалий, поддерживающая табличные данные, временные ряды, графы, текст, изображения и аудио. Версия 3 добавляет агентную оркестрацию через ADEngine и интеграцию с LLM-инструментами.

Зачем нужен

Инструмент позволяет находить выбросы в данных с помощью 60+ детекторов, автоматически выбирать лучшие модели через ADEngine или делегировать анализ AI-агентам. Это полезно для автоматизации процессов мониторинга и расследования инцидентов без ручного подбора алгоритмов.

Что можно реализовать

  • Обнаружение мошенничества или сбоев в табличных данных и временных рядах
  • Анализ аномалий в графовых структурах, текстах, изображениях и аудио
  • Автоматический подбор и сравнение моделей детекции через ADEngine
  • Использование агентов (Claude Code, Codex, MCP) для расследования аномалий через естественный язык

Ключевые возможности

  • Поддержка 6 типов данных (таблицы, time series, graph, text, image, audio) через единый API
  • Интеграция с AI-агентами: навыки od-expert для Claude Code/Codex и MCP-сервер для других агентов
  • ADEngine для автоматического выбора, сравнения и оценки детекторов
  • Высокая популярность: более 46 миллионов загрузок и поддержка сообщества
  • Сохранение классического API fit/predict для обратной совместимости

👤 Кому подойдёт: Data Scientists, ML-инженеры, разработчики AI-агентов и исследователи, работающие с разнородными данными и нуждающиеся в автоматизации обнаружения аномалий.

Релизы

v3.6.6patch
🕐 4 дн назад · релиз на GitHub ↗

Техническое обслуживание PyOD: исправление багов в LOCI, VAE, KNN и других модулях, а также улучшение документации.

  • Fixed: LOCI: теперь бинарные метки формируются на основе contamination, а не фиксированного k.
  • Fixed: VAE и Deep-learning base class: исправлена совместимость с sklearn.clone и возврат fitted-оценщика.
  • Fixed: KNN: добавлена поддержка метрик вроде cosine без несовместимого fallback BallTree.
  • Fixed: Kernel PCA: теперь корректно передается параметр n_components в базовый оценщик.
  • Fixed: Pearson correlation: исправлен расчет корреляций для всех пар строк в утилите pearsonr_mat.
  • Fixed: Sampling: сохранение дробного subset_size между fit-вызовами вместо замены на первое вычисленное значение.
v3.6.5patchbreaking
🕐 1 мес назад · релиз на GitHub ↗

Исправлены критические баги в generate_data, CBLOF и ROD, добавлено предупреждение об удалении n_jobs в CBLOF.

  • Fixed: generate_data больше не создаёт пустые бенчмарки из-за случайного выбора смещения, равного нулю.
  • Fixed: CBLOF теперь корректно сохраняет параметр n_jobs, восстанавливая совместимость с sklearn.base.clone().
  • Fixed: ROD исправлено возвращение nan при совпадении точки с геометрической медианой.
  • Deprecated: CBLOF.n_jobs помечен как устаревший и будет удалён в версии 4.0.0.
  • Breaking: generate_data строго проверяет тип offset, отклоняя нечисловые значения, ранее неявно преобразуемые NumPy.
v3.6.4patch
🕐 1 мес назад · релиз на GitHub ↗

Исправлены ошибки в документации: сигнатуры, значения по умолчанию, предупреждения Sphinx и примеры.

  • Fixed: Удалены несуществующие параметры конструкторов (GMM, LUNAR, RGraph, SUOD) и исправлены расхождения с реальными значениями по умолчанию (ABOD, ALAD, AnoGAN, RGraph, DIF).
  • Fixed: Исправлен тип атрибута labels_ на numpy-массив и устранены ошибки парсинга numpydoc, что снизило количество предупреждений Sphinx с 310 до 41.
  • Fixed: Исправлены примеры: mad_example.py и qmcd_example.py теперь корректно выполняются без ошибок импорта или утечки данных.
  • Fixed: Обновлен README и docs/install.rst: исправлен пример запуска, удалена несуществующая опция pytorch, актуализирован список extras.
  • Fixed: Исправлены баги в docstring моделей AnoGAN, RGraph, DIF, XGBOD и SO_GAAL, а также удален устаревший раздел auto_encoder_torch.
v3.6.1patch
🕐 3 мес назад · релиз на GitHub ↗

PyOD v3.6.1: обновление PyThresh, исправление предупреждений для DataFrame и поддержка EmbeddingOD без интернета.

  • Added: PyThresh v1: обёртки и базовый детектор теперь используют новый API (.fit/.predict) и требуют pythresh>=1.0.0.
  • Added: EmbeddingOD: поддержка предзагруженных SentenceTransformer и локальных моделей (local_files_only=True) для работы офлайн.
  • Fixed: Устранено предупреждение scikit-learn о названиях признаков при оценке pandas DataFrame в GMM, IForest, LOF и OCSVM.
  • Added: Документация: AudioAE и аудиомодальность добавлены в таблицу алгоритмов и новую страницу API.