Python异常检测工具箱——pyod

最近打算入坑异常检测，准备先从应用开始，先尝试着用一下相关的工具和算法，有一个直观的感受，然后再从应用的过程中寻找切入点，逐步了解相关的理论和模型。pyod就是一个非常符合我当下需求的一个工具箱，其中集成了从经典模型到新兴算法的数十种异常检测算法与模型，因此在这里先对他进行了一个大致的了解。

• 简介：
  • pyod(Python Outlier Detection)是一个集成了30余种异常检测方法和模型的Python工具箱。从经典的 LOF (SIGMOD 2000) 到近两年的 COPOD (ICDM 2020) 和 SUOD (MLSys 2021) 。
• 特性：
  • 丰富的模型，从 scikit-learn 中的经典算法，到近期的深度学习算法，以及诸如 COPOD 的新兴算法。
  • 兼容 Python2 和 Python3。
  • pyod对所涵盖的各种异常检测算法提供了统一的API，便于学习和使用。
• 范例：

# 训练 COPOD 模型
from pyod.models.copod import COPOD
clf = COPOD()
clf.fit(X_train)

# 查看数据的异常分数
y_train_scores = clf.decision_scores_  # 训练集
y_test_scores = clf.decision_function(X_test