Project Icon

pyod

用于多变量数据异常检测的强大的Python工具库

PyOD是Python领域应用广泛的异常检测工具库,自2017年起支持学术与商业用途。这个库集成了超过50种算法,涵盖从经典方法到最新的深度学习技术。它提供统一的操作界面,高性能的处理效率和快速训练预测功能,已被下载超过1700万次,得到了机器学习领域的广泛认可。

anomaly-detection-resources - 异常检测领域的综合学习资源库
ADBenchGithubPyOD开源项目异常检测数据挖掘机器学习
本项目汇集了异常检测领域的全面学习资源,包括书籍、论文、课程、数据集和工具库。涵盖多变量数据、时间序列和图网络等多种异常检测类型,并提供关键算法、高维数据和集成方法等研究方向的资料。同时列出重要会议和期刊,为异常检测研究者和实践者提供了宝贵的资源库。
pyoats - 灵活强大的时间序列异常检测Python库
GithubOATS开源项目异常检测时间序列机器学习
pyoats是一个专注于时间序列异常检测的开源Python库。它整合了多种先进检测算法,支持单变量和多变量时间序列分析,并提供统一的输出接口。该项目不仅集成了PyTorch、TensorFlow等深度学习框架,还包含传统统计方法。pyoats旨在简化异常检测实验流程,为数据科学家和工程师提供了一个功能丰富、使用灵活的工具。
pytorch-ood - 基于PyTorch的深度学习异常检测库
GithubPyTorch开源项目异常检测机器学习深度学习神经网络
pytorch-ood是一个专为深度学习设计的异常检测库。该库提供多种检测方法、损失函数、数据集和神经网络架构,支持预训练权重,并兼容pytorch-lightning等框架。它涵盖开放集识别、新颖性检测、置信度估计等领域,采用统一的异常分数约定,方便比较不同方法。这个基于PyTorch的工具库为研究人员和开发者提供了全面的异常检测解决方案。
tsod - 开源时间序列异常检测Python库
GithubPython库tsod传感器数据开源软件开源项目时间序列异常检测
tsod是一个开源的时间序列异常检测Python库,专注于水领域应用。它提供简洁统一的API,集成多种算法从基础规则到高级神经网络,能高效识别传感器数据中的异常和缺失。该工具部署便捷,适用于实时决策和数值模拟的数据预处理。tsod面向DHI用户和水领域,提供可靠的异常检测方案,并鼓励社区参与开发。
pygod - 图形异常检测的Python库
GithubGraph Outlier DetectionPyGODPyTorchPython图异常检测开源项目
PyGOD是一个用于图形异常检测的Python库,支持超过10种检测算法,可应用于社交网络和安全系统中的异常检测。该库基于PyTorch和PyTorch Geometric,提供一致的API、详细的文档和互动示例,支持节点、边和图级别的检测任务。与PyG数据对象完全兼容,并具备处理大规模图数据的扩展能力,简化了图数据的处理流程。
odd-platform - 开源数据发现与可观察性平台
GithubODD Platform元数据管理开源项目数据发现数据可观察性数据治理
ODD Platform是一个开源的数据发现和可观察性平台,为数据团队提供现代化的用户友好环境。该平台具备联邦数据目录、端到端数据血缘、ML实验记录和数据质量监控等功能,有助于提高数据民主化效率、增强协作能力并缩短数据发现时间。作为开放数据发现规范的参考实现,ODD Platform支持多种数据源集成,适合需要改善数据治理的组织使用。
tods - 多变量时间序列的自动化异常检测系统
GithubTODS多变量数据开源项目异常检测时间序列自动机器学习
TODS是一个专注于多变量时间序列数据异常检测的全栈自动化机器学习系统。它提供数据处理、时间序列处理、特征分析等全面模块,支持点级、模式级和系统级三种检测场景。TODS的主要特点包括全栈机器学习功能、广泛的算法支持,以及能够自动搜索最佳模块组合构建最优管道的自动化机器学习能力。
alibi-detect - 专注异常值、对抗性和漂移检测的开源Python库
Alibi DetectGithub对抗检测开源项目异常检测机器学习监控漂移检测
alibi-detect是一个开源的异常值、对抗性和漂移检测Python库。它为表格数据、文本、图像和时间序列提供在线和离线检测器。库中包含多种算法,如用于异常检测的孤立森林、马氏距离和自编码器,以及用于漂移检测的KS检验和MMD。alibi-detect兼容TensorFlow和PyTorch,并具有内置预处理功能,可检测各种类型的数据漂移。
Orion - 开源无监督时间序列异常检测库
AI实验室GithubOrion开源项目无监督学习时间序列异常检测机器学习库
Orion是MIT数据到AI实验室开发的开源库,专注于无监督时间序列异常检测。该项目提供多个验证过的机器学习管道,能够识别时间序列数据中的异常模式。Orion集成了自动机器学习工具,支持AER、TadGAN等算法,并提供完善的文档、教程和基准测试。兼容Python 3.8-3.11版本,可通过pip轻松安装。适用于需要进行时间序列分析的研究人员和开发者。
DataProfiler - DataProfiler:自动化数据分析与敏感数据检测的Python库
DataProfilerGithubPython开源项目敏感数据检测数据分析数据概要
DataProfiler是一个Python库,用于简化数据分析、监控与敏感数据检测。通过单一命令加载数据并自动格式化为DataFrame,支持模式识别、统计分析及实体识别(PII/NPI)。带有预训练的深度学习模型,可高效识别敏感数据,并允许用户添加新的实体识别管道。支持CSV、AVRO、Parquet等多种数据格式,提供便捷的数据处理解决方案。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号