.. image:: https://raw.githubusercontent.com/yzhao062/pyod/master/brand/pyod-icon.svg :target: https://pyod.dev :alt: PyOD Ecosystem :width: 84px

Python Outlier Detection (PyOD) 3

PyOD 3: बड़े पैमाने पर एजेंटिक एनोमली डिटेक्शन

.. |badge_website| image:: https://img.shields.io/badge/website-pyod.dev-990000 :target: https://pyod.dev :alt: Website

.. |badge_pypi| image:: https://img.shields.io/pypi/v/pyod.svg?color=brightgreen :target: https://pypi.org/project/pyod/ :alt: PyPI version

.. |badge_anaconda| image:: https://anaconda.org/conda-forge/pyod/badges/version.svg :target: https://anaconda.org/conda-forge/pyod :alt: Anaconda version

.. |badge_docs| image:: https://readthedocs.org/projects/pyod/badge/?version=latest :target: https://pyod.readthedocs.io/en/latest/?badge=latest :alt: Documentation status

.. |badge_stars| image:: https://img.shields.io/github/stars/yzhao062/pyod.svg :target: https://github.com/yzhao062/pyod/stargazers :alt: GitHub stars

.. |badge_forks| image:: https://img.shields.io/github/forks/yzhao062/pyod.svg?color=blue :target: https://github.com/yzhao062/pyod/network :alt: GitHub forks

.. |badge_downloads| image:: https://pepy.tech/badge/pyod :target: https://pepy.tech/project/pyod :alt: Downloads

.. |badge_testing| image:: https://github.com/yzhao062/pyod/actions/workflows/testing.yml/badge.svg :target: https://github.com/yzhao062/pyod/actions/workflows/testing.yml :alt: Testing

.. |badge_coverage| image:: https://coveralls.io/repos/github/yzhao062/pyod/badge.svg :target: https://coveralls.io/github/yzhao062/pyod :alt: Coverage Status

.. |badge_maintainability| image:: https://api.codeclimate.com/v1/badges/bdc3d8d0454274c753c4/maintainability :target: https://codeclimate.com/github/yzhao062/Pyod/maintainability :alt: Maintainability

.. |badge_license| image:: https://img.shields.io/github/license/yzhao062/pyod.svg :target: https://github.com/yzhao062/pyod/blob/master/LICENSE :alt: License

.. |badge_benchmark| image:: https://img.shields.io/badge/ADBench-benchmark_results-pink :target: https://github.com/Minqi824/ADBench :alt: Benchmark

**PyOD एजेंट-रेडी है।** Claude Code और Codex ``od-expert`` स्किल का उपयोग करके ADEngine जांच चला सकते हैं, जबकि MCP-संगत एजेंट PyOD के डिटेक्टर ज्ञान और प्लानिंग टूल्स को क्वेरी कर सकते हैं। क्लासिक ``fit``/``predict`` API अपरिवर्तित रहता है।

PyOD 3 एनोमली डिटेक्शन के लिए सबसे व्यापक Python लाइब्रेरी है। चार स्तंभ:

=========================== ======================================================================================== स्तंभ इसका अर्थ =========================== ======================================================================================== मल्टी-मोडल टेबुलर, टाइम सीरीज़, ग्राफ, टेक्स्ट, इमेज और ऑडियो डेटा में 61 डिटेक्टर, एक API पूर्ण जीवनचक्र एक ही कॉल में कच्चे डेटा से लेकर समझाए गए एनोमली और अगले कदम के मार्गदर्शन तक एजेंटिक od-expert प्राकृतिक-भाषा अनुरोधों को ADEngine वर्कफ़्लो में बदलता है; MCP अन्य एजेंटों के लिए संरचित टूल्स उजागर करता है सर्वाधिक प्रयुक्त 46+ मिलियन डाउनलोड; बेंचमार्क-समर्थित रूटिंग (ADBench, TSB-AD, BOND, NLP-ADBench) =========================== ========================================================================================

इंस्टॉल ^^^^^^^

कोर लाइब्रेरी (हर एक्टिवेशन पथ के लिए आवश्यक):

.. code-block:: bash

pip install pyod

फिर अपने एजेंट स्टैक से मेल खाने वाला एक्टिवेशन पथ चुनें:

.. code-block:: bash

# 1. Claude Code / Codex — od-expert skill को सक्षम करता है
pyod install skill              # Claude Code: user-global (~/.claude/skills/)
pyod install skill --project    # Codex: project-local (./skills/, Codex में user-global dir नहीं है)

# 2. कोई भी MCP-संगत LLM — वैकल्पिक mcp extra की आवश्यकता है
pip install pyod[mcp]
pyod mcp serve                 # `python -m pyod.mcp_server` के लिए उपनाम

# 3. शुद्ध Python — कोई अतिरिक्त चरण नहीं
#    from pyod.utils.ad_engine import ADEngine

संस्करण, डिटेक्टर गणना, और प्रत्येक सक्रियण पथ की इंस्टॉल स्थिति देखने के लिए कभी भी pyod info चलाएँ। pyod info यह भी पता लगाता है कि आपके पास कौन सा एजेंट स्टैक इंस्टॉल है (Claude Code के लिए ~/.claude/, Codex के लिए ~/.codex/) और सही इंस्टॉल कमांड की सिफारिश करता है।

conda, सोर्स इंस्टॉल, निर्भरता विवरण, और समस्या निवारण के लिए, पूर्ण installation guide <https://pyod.readthedocs.io/en/latest/install.html>__ देखें। v3.0.0 से लीगेसी pyod-install-skill कमांड अभी भी pyod install skill के उपनाम के रूप में काम करता है।

5 लाइन कोड के साथ आउटलायर डिटेक्शन (pip install pyod):

.. code-block:: python

from pyod.models.iforest import IForest
clf = IForest()
clf.fit(X_train)
y_train_scores = clf.decision_scores_          # training anomaly scores
y_test_scores = clf.decision_function(X_test)   # test anomaly scores

PyOD का उपयोग करने के तीन तरीके:

========= ===================== ====================================================================== ======================================= लेयर नाम कब उपयोग करें एंट्री पॉइंट ========= ===================== ====================================================================== ======================================= 1 Classic API आप जानते हैं कि आप कौन सा डिटेक्टर चाहते हैं Layer 1 examples <https://pyod.readthedocs.io/en/latest/examples/tabular.html>__ 2 ADEngine आप चाहते हैं कि PyOD स्वचालित रूप से चुने, तुलना करे, और मूल्यांकन करे Layer 2 walkthrough <https://pyod.readthedocs.io/en/latest/examples/adengine.html>__ 3 Agentic Investigation आप चाहते हैं कि एक AI एजेंट प्राकृतिक बातचीत के माध्यम से OD को संचालित करे Layer 3 walkthrough <https://pyod.readthedocs.io/en/latest/examples/agentic.html>__ ========= ===================== ====================================================================== =======================================

लेयर 2 और 3 ADEngine द्वारा संचालित हैं, जो PyOD का लाइफसाइकल ऑर्केस्ट्रेशन कोर है। पूर्ण मल्टी-टर्न लेयर 3 इन्वेस्टिगेशन फ्लो Claude Code और Codex के लिए od-expert skill के माध्यम से उपलब्ध है। MCP सर्वर (python -m pyod.mcp_server) MCP-संगत LLM के लिए दस स्टेटलेस टूल्स को उजागर करता है, जो नॉलेज क्वेरीज़ (list_detectors, explain_detector, compare_detectors, get_benchmarks), प्लानिंग (profile_data, plan_detection, build_detector), और डिटेक्शन (run_detection, analyze_results, explain_findings) तक फैले हुए हैं; स्टेटफुल investigate / iterate MCP टूल्स को स्थगित कर दिया गया है।

.. image:: https://raw.githubusercontent.com/yzhao062/pyod/development/docs/figs/agentic-demo.png :alt: कार्डियोटोकोग्राफी डेटासेट पर PyOD 3 एजेंटिक इन्वेस्टिगेशन डेमो :align: center :width: 720

pyod

सबसे लोकप्रिय

Python Outlier Detection (PyOD) 3