python进行异常检测工具_用PyOD工具库进行「异常检测」

异常检测 (又称outlier detection、anomaly detection，离群值检测) 是一种常见的数据挖掘方法 ， 主要被用于检测与主要数据分布不同的异常值 (deviant from the general data distribution)，比如从信用卡交易中找出诈骗案例，从正常的网络数据流中找出入侵，有非常广泛的商业应用价值。另一个常见的用途就是作为机器学习任务的预处理(preprocessing)，防止因为少量异常点存在而导致的训练或预测失败。

Python Outlier Detection(PyOD) 是当下最流行的Python异常检测工具库(toolkit)，其主要亮点包括：

包括近20种常见的异常检测算法，比如经典的ABOD以及最新的 深度学习 如对抗生成模型(GAN)和 集成异常检测 (outlier ensemble)

支持不同版本的Python ：包括2.7和3.5+； 支持多种操作系统 ：windows，macOS和Linux

简单易用且一致的API ， 只需要几行代码就可以完成异常检测 ，方便评估大量算法

使用JIT和并行化(parallelization)进行优化，加速算法运行及扩展性(scalability)，可以处理大量数据

从2018年5月正式发布以来， PyOD 已经获得了超过50000次下载与1400个GitHub Star，在所有GitHub数据挖掘(data mining)工具库[1]中排名14 。同时它也被运用于多项学术研究中[2, 3]。我也曾在回答中使用过 PyOD ：「 数据挖掘中常见的「异常检测」算法有哪些？ 」。 因为现阶段 PyOD 的文档与实例全部为英文，为了方便大家使用，特别专门创作了这篇中