Библиотека Python для поиска аномалий в табличных данных, временных рядах, графах, тексте, изображениях и аудио; включает более 60 детекторов и классический API fit/predict.
PyOD — библиотека Python для поиска выбросов и аномалий. В ней собран большой набор алгоритмов: от классических методов, таких как Isolation Forest, LOF и kNN, до нейросетевых подходов, например автоэнкодеров, VAE и DeepSVDD. Все они доступны через единый интерфейс fit/decision_function/predict. Детекторы сгруппированы по типам данных: табличные данные, временные ряды и графы, а также текст, изображения и аудио — для последних используются эмбеддинги foundation-моделей.
Помимо классического API, в версии 3 появился ADEngine — слой оркестрации, который профилирует данные, планирует и настраивает детектор, запускает поиск аномалий и объясняет результаты. В поставку также входят skill od-expert для Claude Code и Codex и MCP-сервер с десятью stateless-инструментами для LLM-агентов, совместимых с MCP. Для тех, кто уже знает, какой детектор нужен, по-прежнему доступен классический процесс с fit/predict.
В проект входят инструменты для генерации синтетических данных, метрики оценки, например Precision@n, методы объединения оценок для ансамблей и сохранение моделей с помощью joblib или pickle. Установить библиотеку можно через pip и conda-forge.
Установите основную библиотеку из PyPI
pip install pyodОбучите детектор и просмотрите оценки аномальности
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Python SDK от Nixtla для TimeGPT — облачной предварительно обученной модели временных рядов для прогнозирования и обнаружения аномалий.
Фреймворк LLM-агентов от Microsoft для автоматизации задач R&D на основе данных: от изучения статей и реализации моделей и факторов до экспериментов в стиле Kaggle.
Open-source агент для мониторинга инфраструктуры в реальном времени: метрики каждую секунду, автообнаружение, встроенное ML-обнаружение аномалий и оповещения.
Подборка open source-библиотек для развертывания, мониторинга, версионирования, масштабирования и защиты ML-моделей в production.
Библиотека AutoML, которая обучает и объединяет ML-модели для табличных данных, временных рядов и мультимодальных данных с помощью нескольких строк Python-кода.
Библиотека машинного обучения для Python на базе SciPy и NumPy: классификация, регрессия, кластеризация и выбор моделей; лицензия BSD.