awesome-TS-anomaly-detection

टाइम-सीरीज़ डेटा पर विसंगति का पता लगाना के लिए उपकरणों और डेटासेट की सूची।

सभी सूचियाँ वर्णानुक्रम में हैं। सूचियों में, अनुरक्षित परियोजनाओं को गैर-अनुरक्षित परियोजनाओं पर प्राथमिकता दी जाती है। किसी रिपॉजिटरी को "अनुरक्षित नहीं" माना जाता है यदि नवीनतम कमिट 1 वर्ष से अधिक पुराना है, या लेखकों द्वारा स्पष्ट रूप से उल्लेख किया गया है।

🎓 यदि आपको यह संग्रह उपयोगी लगा और आप इसे उद्धृत करना चाहते हैं, तो कृपया उद्धरण नीति का पालन करें।

विसंगति पहचान सॉफ़्टवेयर

नाम	भाषा	विवरण	लाइसेंस	अनुरक्षित
Cuebook का CueObserve	Python3	SQL डेटा वेयरहाउस और डेटाबेस पर विसंगति पहचान।	Apache-2.0	✔️
Yahoo का EGADS	Java	GADS एक लाइब्रेरी है जिसमें कई विसंगति पहचान तकनीकें शामिल हैं जो कई उपयोग-मामलों पर लागू होती हैं, एक ही पैकेज में जिसकी एकमात्र निर्भरता Java है।	GPL	✔️
AIStream का flow-forecast	Python	टाइम सीरीज़ पूर्वानुमान, वर्गीकरण और विसंगति पहचान के लिए डीप लर्निंग PyTorch लाइब्रेरी (मूल रूप से बाढ़ पूर्वानुमान के लिए)।	GPL-3	✔️
Hastic	Python + node.js	Grafana-आधारित UI के साथ टाइम सीरीज़ डेटा के लिए विसंगति पहचान उपकरण।	GPL	✔️
Zillow का Luminaire	Python	Luminaire एक Python पैकेज है जो टाइम सीरीज़ डेटा के लिए ML-संचालित विसंगति पहचान और पूर्वानुमान समाधान प्रदान करता है।	Apache-2.0	✔️
MIDAS	C++	MIDAS, जो Microcluster-Based Detector of Anomalies in Edge Streams का संक्षिप्त रूप है, एज स्ट्रीम से स्थिर समय और मेमोरी में माइक्रोक्लस्टर विसंगतियों का पता लगाता है।	Apache-2.0	✔️
Orion	Python	Orion एक मशीन लर्निंग लाइब्रेरी है जो बिना पर्यवेक्षण वाली टाइम सीरीज़ विसंगति पहचान के लिए बनाई गई है, जो कई "सत्यापित" ML पाइपलाइन (उर्फ Orion पाइपलाइन) प्रदान करती है जो दुर्लभ पैटर्न की पहचान करती हैं और विशेषज्ञ समीक्षा के लिए उन्हें चिह्नित करती हैं।	MIT	✔️
OutlierDetection.jl	Julia	Julia के साथ तेज़, स्केलेबल और लचीली आउटलाइअर पहचान।	MIT	✔️
PyOD	Python	PyOD बहु-चर डेटा में आउटलाइअर वस्तुओं का पता लगाने के लिए एक व्यापक और स्केलेबल Python टूलकिट है।	BSD 2-Clause	✔️
ruptures	Python	Ruptures ऑफ़लाइन चेंज पॉइंट पहचान के लिए एक Python लाइब्रेरी है। यह पैकेज गैर-स्थिर संकेतों के विश्लेषण और विभाजन के लिए विधियाँ प्रदान करता है।	BSD 2-Clause	✔️
EarthGecko Skyline	Python3	Skyline एक रीयल-टाइम विसंगति पहचान प्रणाली है, जो सैकड़ों-हजारों मेट्रिक्स की निष्क्रिय निगरानी को सक्षम करने के लिए बनाई गई है।	MIT	✔️
Expedia.com का Adaptive Alerting	Java	स्वचालित मॉडल चयन और फिटिंग के साथ स्ट्रीमिंग विसंगति पहचान।	Apache-2.0	❌
Arundo का ADTK	Python	विसंगति पहचान टूलकिट (ADTK) बिना पर्यवेक्षण / नियम-आधारित टाइम सीरीज़ विसंगति पहचान के लिए एक Python पैकेज है।	MPL 2.0	❌
Twitter का AnomalyDetection	R	AnomalyDetection एक ओपन-सोर्स R पैकेज है जो विसंगतियों का पता लगाता है, जो सांख्यिकीय दृष्टिकोण से मौसमी और अंतर्निहित प्रवृत्ति की उपस्थिति में मजबूत है।	GPL	❌
Lytics का Anomalyzer	Go	Anomalyzer सांख्यिकीय परीक्षणों का एक समूह लागू करता है जो यह संभावना देता है कि संख्यात्मक इनपुट का एक दिया गया सेट, आमतौर पर एक टाइम सीरीज़, में विषम व्यवहार है।	Apache-2.0	❌
banpei	Python	टाइम-सीरीज़ के लिए आउटलाइअर पहचान (Hotelling का सिद्धांत) और चेंज पॉइंट पहचान (सिंगुलर स्पेक्ट्रम ट्रांसफ़ॉर्मेशन)।	MIT	❌
Ele.me का banshee	Go	आवधिक मेट्रिक्स के लिए विसंगति पहचान प्रणाली।	MIT	❌
CAD	Python	स्ट्रीमिंग डेटा पर रीयल-टाइम AD के लिए प्रासंगिक विसंगति पहचान (2016 NAB प्रतियोगिता का विजेता एल्गोरिदम)।	AGPL	❌
Chaos Genius	Python	आउटलाइअर/विसंगति पहचान और मूल कारण विश्लेषण के लिए ML-संचालित एनालिटिक्स इंजन।	MIT	❌
Mentat का datastream.io	Python	Python, Elasticsearch और Kibana का उपयोग करके रीयल-टाइम विसंगति पहचान के लिए एक ओपन-सोर्स फ्रेमवर्क।	Apache-2.0	❌
DeepADoTS	Python	टाइम-सीरीज़ डेटा पर विसंगति पहचान के लिए 7 डीप लर्निंग-आधारित तकनीकों का कार्यान्वयन और मूल्यांकन।	MIT	❌
Donut	Python	Donut मौसमी KPIs के लिए एक बिना पर्यवेक्षण वाला विसंगति पहचान एल्गोरिदम है, जो वैरिएशनल ऑटोएन्कोडर पर आधारित है।	-	❌
LoudML	Python	Loud ML TensorFlow के ऊपर निर्मित एक ओपन सोर्स टाइम सीरीज़ इन्फ्रेंस इंजन है। यह डेटा का पूर्वानुमान लगाने, आउटलाइअर का पता लगाने और भविष्य के ज्ञान का उपयोग करके आपकी प्रक्रिया को स्वचालित करने के लिए उपयोगी है।	MIT	❌
Linkedin का luminol	Python	Luminol टाइम सीरीज़ डेटा विश्लेषण के लिए एक हल्की Python लाइब्रेरी है। यह जिन दो प्रमुख कार्यक्षमताओं का समर्थन करती है वे हैं विसंगति पहचान और सहसंबंध। इसका उपयोग विसंगति के संभावित कारणों की जांच के लिए किया जा सकता है।	Apache-2.0	❌
Numenta का Nupic	C++	Numenta Platform for Intelligent Computing, Hierarchical Temporal Memory (HTM) का एक कार्यान्वयन है।	AGPL	❌
oddstream	R	oddstream (डेटा स्ट्रीम में आउटलाइअर पहचान) स्ट्रीमिंग टाइम सीरीज़ डेटा के बड़े संग्रह के भीतर विषम श्रृंखलाओं का शीघ्र पता लगाने के लिए रीयल-टाइम समर्थन प्रदान करता है।	GPL-3	❌
PyOdds	Python	PyODDS डेटाबेस समर्थन के साथ आउटलाइअर पहचान के लिए एक एंड-टू-एंड Python प्रणाली है। PyODDS आउटलाइअर पहचान एल्गोरिदम प्रदान करता है, जो स्थिर और टाइम-सीरीज़ दोनों डेटा का समर्थन करते हैं।	MIT	❌
PySAD	Python	PySAD एक स्ट्रीमिंग विसंगति पहचान फ्रेमवर्क है जिसमें विभिन्न ऑनलाइन मॉडल और प्रयोग के लिए उपकरणों का पूरा सेट है।	BSD 3-Clause	❌
rrcf	Python	स्ट्रीम पर विसंगति पहचान के लिए Robust Random Cut Forest एल्गोरिदम का कार्यान्वयन।	MIT	❌
Netflix का Surus	Java	Robust Anomaly Detection (RAD) - Robust PCA का एक कार्यान्वयन।	Apache-2.0	❌
NASA का Telemanom	Python	बहु-चर टाइम सीरीज़ डेटा में विसंगतियों का पता लगाने के लिए LSTM का उपयोग करने हेतु एक फ्रेमवर्क। इसमें Mars Science Laboratory और SMAP मिशनों से अंतरिक्ष यान विसंगति डेटा और प्रयोग शामिल हैं।	कस्टम	❌

संबंधित सॉफ़्टवेयर

इस अनुभाग में विसंगति पहचान से संबंधित कार्यों के लिए कुछ टाइम-सीरीज़ सॉफ़्टवेयर शामिल हैं, जैसे पूर्वानुमान, सामान्य TS विश्लेषण और लेबलिंग।

पूर्वानुमान