yzhao062/pyodUna libreria Python per il rilevamento di anomalie su dati tabulari, serie temporali, grafi, testo, immagini e audio. Oltre 60 rilevatori, orchestrazione ADEngine basata su benchmark e un workflow agente per agenti IA.
.. image:: https://raw.githubusercontent.com/yzhao062/pyod/master/brand/pyod-icon.svg :target: https://pyod.dev :alt: PyOD Ecosystem :width: 84px
PyOD 3: Rilevamento di anomalie agentico su larga scala
|badge_website| |badge_pypi| |badge_anaconda| |badge_docs| |badge_stars| |badge_forks| |badge_downloads| |badge_testing| |badge_coverage| |badge_maintainability| |badge_license| |badge_benchmark|
.. |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 è pronto per gli agenti.** Claude Code e Codex possono usare la skill ``od-expert`` per guidare le indagini di ADEngine, mentre gli agenti compatibili con MCP possono interrogare la knowledge dei detector di PyOD e gli strumenti di pianificazione. L'API classica ``fit``/``predict`` rimane invariata.
PyOD 3 è la libreria Python più completa per il rilevamento di anomalie. Quattro pilastri:
=========================== ========================================================================================
Pilastro Cosa significa
=========================== ========================================================================================
Multi-Modale 61 detector su dati tabellari, serie temporali, grafi, testo, immagini e audio, un'unica API
Ciclo di vita completo Dai dati grezzi alle anomalie spiegate e alla guida sui passi successivi in una singola chiamata
Agentico od-expert trasforma richieste in linguaggio naturale in flussi di lavoro ADEngine; MCP espone strumenti strutturati per altri agenti
Più utilizzata 46+ milioni di download; routing basato su benchmark (ADBench, TSB-AD, BOND, NLP-ADBench)
=========================== ========================================================================================
Installazione ^^^^^^^^^^^^^
Libreria principale (richiesta per ogni percorso di attivazione):
.. code-block:: bash
pip install pyod
Poi scegli il percorso di attivazione che corrisponde al tuo stack di agenti:
.. code-block:: bash
# 1. Claude Code / Codex — abilita la skill od-expert
pyod install skill # Claude Code: user-global (~/.claude/skills/)
pyod install skill --project # Codex: project-local (./skills/, Codex has no user-global dir)
# 2. Qualsiasi LLM compatibile con MCP — richiede l'extra opzionale mcp
pip install pyod[mcp]
pyod mcp serve # alias for `python -m pyod.mcp_server`
# 3. Python puro — nessun passaggio aggiuntivo
# from pyod.utils.ad_engine import ADEngine
Esegui pyod info in qualsiasi momento per vedere la versione, il numero di detector e
lo stato di installazione di ciascun percorso di attivazione. pyod info rileva anche
quale stack di agenti hai installato (~/.claude/ per Claude Code,
~/.codex/ per Codex) e raccomanda il comando di installazione corretto.
Per conda, installazione da sorgente, dettagli sulle dipendenze e risoluzione dei problemi,
consulta la guida all'installazione <https://pyod.readthedocs.io/en/latest/install.html>__ completa.
Il comando legacy pyod-install-skill della v3.0.0 funziona ancora come
alias di pyod install skill.
Rilevamento di outlier con 5 righe di codice (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
Tre modi per usare PyOD:
========= ===================== ====================================================================== =======================================
Livello Nome Quando usarlo Punto di ingresso
========= ===================== ====================================================================== =======================================
1 API classica Sai quale detector vuoi Esempi Livello 1 <https://pyod.readthedocs.io/en/latest/examples/tabular.html>__
2 ADEngine Vuoi che PyOD scelga, confronti e valuti automaticamente Walkthrough Livello 2 <https://pyod.readthedocs.io/en/latest/examples/adengine.html>__
3 Indagine agentica Vuoi che un agente AI guidi l'OD attraverso una conversazione naturale Walkthrough Livello 3 <https://pyod.readthedocs.io/en/latest/examples/agentic.html>__
========= ===================== ====================================================================== =======================================
I livelli 2 e 3 sono alimentati da ADEngine, il nucleo di orchestrazione del ciclo di vita di PyOD. Il flusso completo di indagine multi-turno del Livello 3 è disponibile tramite la skill od-expert per Claude Code e Codex. Il server MCP (python -m pyod.mcp_server) espone dieci strumenti stateless per LLM compatibili con MCP, che spaziano dalle query di knowledge (list_detectors, explain_detector, compare_detectors, get_benchmarks), alla pianificazione (profile_data, plan_detection, build_detector), e al rilevamento (run_detection, analyze_results, explain_findings); gli strumenti MCP stateful investigate / iterate sono rimandati.
.. image:: https://raw.githubusercontent.com/yzhao062/pyod/development/docs/figs/agentic-demo.png :alt: PyOD 3 agentic investigation demo on cardiotocography dataset :align: center :width: 720