NixtlaのTimeGPTを利用するPython SDKクライアント。時系列予測と異常検知に対応
yzhao062/pyod
表形式、時系列、グラフ、テキスト、画像、音声データの異常検知に対応するPythonライブラリ。60種類以上の検知器と、おなじみのfit/predict APIを備えています。
- スター
- 10,052
- フォーク
- 1,516
- 未解決の Issue
- 223
- 最終コミット
- 11 日前
これは何?
PyODは、外れ値や異常を検知するためのPythonライブラリです。Isolation Forest、LOF、kNNなどの従来手法から、オートエンコーダー、VAE、DeepSVDDなどのニューラルネットワーク手法まで、幅広い検知アルゴリズムを備え、一貫したfit/decision_function/predictインターフェースで利用できます。検知器はデータの種類ごとに整理されており、表形式データ、時系列データ、グラフデータのほか、基盤モデルの埋め込みを通じてテキスト、画像、音声にも対応します。
従来のAPIに加え、バージョン3ではオーケストレーションレイヤーのADEngineが追加されました。データのプロファイリング、検知器の計画と構築、検知の実行、結果の説明までを担います。また、Claude CodeとCodex向けのod-expertスキルと、MCP互換のLLMエージェントにステートレスな10種類のツールを提供するMCPサーバーも同梱されています。使用する検知器が決まっているユーザーは、従来のfit/predictワークフローも引き続き利用できます。
合成データ生成ユーティリティ、Precision@nなどの評価指標、アンサンブル向けのスコア統合手法、joblibまたはpickleを使ったモデル保存機能も備えています。pipとconda-forgeからインストールできます。
主な機能
- 01確率ベース、近傍ベース、線形、アンサンブル、ニューラルネットワークなど、60種類以上の検知器を利用できます。
- 02単一のAPIで、表形式、時系列、グラフ、テキスト、画像、音声データに対応します。
- 03ADEngineがデータのプロファイリング、検知器の選定、検知、結果の説明を自動化します。
- 04MCPサーバーとod-expertスキルを使って、AIエージェントから検知ワークフローを実行できます。
- 05合成データ生成器や、Precision@nなどの評価用ヘルパーを備えています。
ユースケース
- 表形式の業務データから、不正取引や通常と異なるレコードを検出する。
- センサー、テレメトリー、時系列ストリームに含まれる異常なパターンを検知する。
- 取引ネットワークやソーシャルネットワークなどのグラフデータから、異常なノードを見つける。
- 基盤モデルの埋め込みを使い、テキスト、画像、音声のコレクションから外れ値を見つける。
クイックスタート
- 1
PyPIからコアライブラリをインストールする
pip install pyod - 2
検出器を学習させ、異常スコアを確認する
使う前に知っておきたいこと
- READMEに記載されている主な機能(agentic skill、MCP server)はPyOD 3で新たに追加されたもので、状態を保持するinvestigate/iterateツールは提供が延期されています。
収録されている特集
トピック
よくある質問
- pyod とは?
- 表形式、時系列、グラフ、テキスト、画像、音声データの異常検知に対応するPythonライブラリ。60種類以上の検知器と、おなじみのfit/predict APIを備えています。 PyODは、外れ値や異常を検知するためのPythonライブラリです。Isolation Forest、LOF、kNNなどの従来手法から、オートエンコーダー、VAE、DeepSVDDなどのニューラルネットワーク手法まで、幅広い検知アルゴリズムを備え、一貫したfit/decision_function/predictインターフェースで利用できます。検知器はデータの種類ごとに整理されており、表形式データ、時系列データ、グラフデータのほか、基盤モデルの埋め込みを通じてテキスト、画像、音声にも対応します。
- pyod は無料で使えますか?ライセンスは?
- pyod は BSD-2-Clause ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- pyod は今もメンテナンスされていますか?
- 活発にメンテナンス中。pyod の最終コミットは 2026年10月12日 です。
- pyod は何に使えますか?
- 表形式の業務データから、不正取引や通常と異なるレコードを検出する。 センサー、テレメトリー、時系列ストリームに含まれる異常なパターンを検知する。 取引ネットワークやソーシャルネットワークなどのグラフデータから、異常なノードを見つける。 基盤モデルの埋め込みを使い、テキスト、画像、音声のコレクションから外れ値を見つける。
- pyod のインストール方法は?
- PyPIからコアライブラリをインストールする: pip install pyod 検出器を学習させ、異常スコアを確認する
- pyod はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/yzhao062/pyod
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
Microsoftが開発するLLMエージェントフレームワーク。論文の読解、モデルやファクターの実装、Kaggle形式の実験など、データ主導型のR&Dタスクを自動化します。
秒単位のメトリクス収集、自動検出、組み込みのML異常検知とアラート機能を備えた、オープンソースのリアルタイムインフラ監視エージェント。
機械学習モデルの本番運用に向けた、デプロイ、監視、バージョン管理、スケーリング、セキュリティ関連のオープンソースライブラリをまとめた厳選リスト。
数行のPythonコードで表形式、時系列、マルチモーダルデータのMLモデルを学習・アンサンブルするAutoMLライブラリ。
SciPyとNumPyを基盤とするPython機械学習ライブラリ。BSDライセンスのもと、分類、回帰、クラスタリング、モデル選択のツールを提供します。