yzhao062/pyod

PyOD – Python 离群值检测 (v3)

它是什么 – 一个成熟、开源的 Python 库，包含超过 60 种异常检测算法，适用于多种数据类型（表格、时间序列、图形、文本、图像、音频）。版本 3 新增了 代理就绪 的编排层，称为 ADEngine，以及一个自然语言技能（od-expert），让大型语言模型代理（Claude Code、Codex 或任何 MCP 兼容的 LLM）可以在不编写代码的情况下驱动检测工作流程。

关键支柱

支柱	意义
多模态	一个统一的 API 涵盖六种数据类型的 61 个检测器。
完整生命周期	从原始数据到评分异常、解释和后续步骤指导，一次调用完成。
代理驱动	LLM 可以通过 od-expert 技能或 MCP 工具（例如 list_detectors、run_detection）调用 PyOD。
最常用	>46M 下载量、基准测试支持的模型路由，以及许多企业采用者。

---

快速安装

pip install pyod                     # 核心库
# 代理的可选扩展
pip install pyod[mcp]                # MCP 兼容的 LLM
pyod install skill                    # 安装 Claude Code / Codex 技能

随时运行 pyod info 以查看版本、检测器数量，以及哪个激活路径符合您的环境。

---

最小示例（经典 API）

from pyod.models.iforest import IForest
clf = IForest()
clf.fit(X_train)                     # 学习正常模式
train_scores = clf.decision_scores_  # 训练数据上的异常分数
test_scores  = clf.decision_function(X_test)  # 新数据上的分数

相同的 fit/predict 接口适用于任何 61 个检测器。

---

三种使用层级

层级	使用时机	入口点
1 – 经典 API	您知道要使用哪个检测器。	from pyod.models.<mod> import <Detector>
2 – ADEngine	让 PyOD 自动选择、比较和评估检测器。	from pyod.utils.ad_engine import ADEngine
3 – 代理驱动	通过与 LLM 的自然语言对话驱动检测。	od-expert 技能（Claude Code / Codex）或 MCP 服务器（python -m pyod.mcp_server）。

层级 2 和 3 由 ADEngine 提供支持，它编排数据剖析、模型路由、训练（通过 SUOD 并行处理）、评分和结果解释。

---

代理交互（示例）

• Claude Code 或 Codex 用户可以输入类似 “在胎心宫缩数据集中找出异常的心率模式。” 的请求。od-expert 技能将请求转换为 ADEngine 工作流程，执行选定的检测器，并返回简洁的解释和后续步骤建议。MCP 服务器公开十个无状态工具（例如 list_detectors、plan_detection、run_detection），任何 MCP 兼容的 LLM 都可以调用。

---

生态系统与基准测试

• 基准测试：ADBench（表格）、NLP-ADBench（文本）、TSB-AD（时间序列）、BOND（图形） – 全部从文档链接。
• 相关项目：PyGOD（图形 AD）、TODS（时间序列）、AD-LLM（LLM 驱动的 AD）等。
• 性能：基于 SUOD 实现快速并行训练，并使用 Numba JIT 加速每个模型。

---

文档与资源

• 完整 API 参考：https://pyod.readthedocs.io/en/latest/（表格、时间序列、图形、嵌入、ADEngine、工具）。
• 安装指南、教程和示例画廊都托管在文档网站上。
• 影响页面列出学术引用、企业部署（Walmart、Databricks、Ericsson 等）、书籍、课程和播客。

---

何时选择 PyOD

• 您需要一个 单一库 涵盖许多异常检测算法和数据类型。
• 您想要 自动模型选择，并由大规模基准测试支持。
• 您计划将检测集成到 LLM 驱动的工作流程（Claude、Codex 或任何 MCP 兼容模型）中。
• 您重视 稳定、向后兼容的 API（fit/predict），同时仍获得现代编排功能。

---

许可证

在 BSD-3-Clause 许可证下开源。