sintel-dev/Orion

Unsupervised time series anomaly detection library

What it solves

Orion 設計用於在不需要標記訓練集的情況下，辨識時序資料中的稀有模式與異常。它提供一套已驗證的機器學習管線，能自動標記異常訊號，供專家審查。

How it works

此函式庫實作多種無監督學習架構以偵測異常。它提供多個「已驗證」的管線，包括基於生成對抗網路（GAN）、自編碼器（Dense、VAE、LSTM）以及其他專門方法如 AER（Auto‑Encoder with Regression）與 Matrix Profile。使用者可以對訓練資料呼叫 fit 以訓練管線，之後使用 detect 方法在新進來的訊號中辨識異常，回傳每個偵測事件的開始、結束時間與嚴重程度。

Who it’s for

此工具適用於需要監控時序訊號，並利用多種最先進的無監督機器學習模型自動偵測離群值或稀有事件的資料科學家與研究人員。

Highlights

  • Multiple Pipeline Options: 包含 TadGAN、AER、AnomalyTransformer 等多種模型。
  • Automated ML Tools: 以 MIT Data to AI Lab 的自動機器學習工具建構。
  • Benchmarked Performance: 在 12 個不同資料集上保有與基線（ARIMA）比較的排行榜。
  • Simple API: 提供簡潔的 fit 與 detect 工作流程，便於快速部署。