_時系列_データの異常検知のためのツールとデータセットのリスト。
すべてのリストはアルファベット順です。リスト内では、メンテナンスされていないプロジェクトよりもメンテナンスされているプロジェクトが優先されます。 リポジトリは、最新のコミットが1年以上前である場合、または作者によって明示的に記載されている場合、「メンテナンスされていない」と見なされます。
🎓 このコレクションが役に立ち、引用したい場合は、引用ポリシーに従ってください。
| 名前 | 言語 | 説明 | ライセンス | メンテナンス状況 |
|---|---|---|---|---|
| CuebookのCueObserve | Python3 | SQLデータウェアハウスとデータベースでの異常検知。 | Apache-2.0 | ✔️ |
| YahooのEGADS | Java | EGADSは、多くのユースケースに適用可能な多数の異常検知手法を単一のパッケージに含むライブラリで、依存関係はJavaのみである。 | GPL | ✔️ |
| AIStreamのflow-forecast | Python | 時系列予測、分類、異常検知のためのPyTorch深層学習ライブラリ（元々は洪水予測用）。 | GPL-3 | ✔️ |
| Hastic | Python + node.js | GrafanaベースのUIを備えた時系列データ用の異常検知ツール。 | GPL | ✔️ |
| ZillowのLuminaire | Python | Luminaireは、時系列データに対してML駆動の異常検知および予測ソリューションを提供するPythonパッケージである。 | Apache-2.0 | ✔️ |
| MIDAS | C++ | Microcluster-Based Detector of Anomalies in Edge Streamsの略であるMIDASは、エッジストリームから一定の時間とメモリでマイクロクラスター異常を検出する。 | Apache-2.0 | ✔️ |
| Orion | Python | Orionは教師なし時系列異常検知のために構築された機械学習ライブラリで、稀なパターンを特定して専門家によるレビューにフラグを付ける「検証済み」MLパイプライン（別名Orionパイプライン）を多数提供する。 | MIT | ✔️ |
| OutlierDetection.jl | Julia | Juliaによる高速、スケーラブル、柔軟な外れ値検出。 | MIT | ✔️ |
| PyOD | Python | PyODは、多変量データ内の外れ値オブジェクトを検出するための包括的かつスケーラブルなPythonツールキットである。 | BSD 2-Clause | ✔️ |
| ruptures | Python | Rupturesはオフラインの変化点検出のためのPythonライブラリである。このパッケージは非定常信号の分析とセグメンテーションのための手法を提供する。 | BSD 2-Clause | ✔️ |
| EarthGeckoのSkyline | Python3 | Skylineは、数十万のメトリクスのパッシブモニタリングを可能にするために構築されたリアルタイム異常検知システムである。 | MIT | ✔️ |
| Expedia.comのAdaptive Alerting | Java | 自動モデル選択とフィッティングによるストリーミング異常検知。 | Apache-2.0 | ❌ |
| ArundoのADTK | Python | Anomaly Detection Toolkit（ADTK）は、教師なし／ルールベースの時系列異常検知のためのPythonパッケージである。 | MPL 2.0 | ❌ |
| TwitterのAnomalyDetection | R | AnomalyDetectionは、統計的な観点から、季節性と基礎となるトレンドが存在する場合に頑健な異常検知を行うためのオープンソースのRパッケージである。 | GPL | ❌ |
| LyticsのAnomalyzer | Go | Anomalyzerは、通常は時系列である数値入力の特定のセットに異常な挙動が含まれる確率を算出する一連の統計テストを実装している。 | Apache-2.0 | ❌ |
| banpei | Python | 時系列のための外れ値検出（ホテリング理論）と変化点検出（特異スペクトル変換）。 | MIT | ❌ |
| Ele.meのbanshee | Go | 周期的なメトリクスのための異常検知システム。 | MIT | ❌ |
| CAD | Python | ストリーミングデータ上のリアルタイム異常検知のための文脈的異常検知（2016年のNABコンペティションの受賞アルゴリズム）。 | AGPL | ❌ |
| Chaos Genius | Python | 外れ値／異常検知と根本原因分析のためのML駆動の分析エンジン。 | MIT | ❌ |
| Mentatのdatastream.io | Python | Python、Elasticsearch、Kibanaを使用したリアルタイム異常検知のためのオープンソースフレームワーク。 | Apache-2.0 | ❌ |
| DeepADoTS | Python | 時系列データの異常検知のための7つの深層学習ベースの手法の実装と評価。 | MIT | ❌ |
| Donut | Python | Donutは、変分オートエンコーダに基づく季節性KPIのための教師なし異常検知アルゴリズムである。 | - | ❌ |
| LoudML | Python | Loud MLはTensorFlow上に構築されたオープンソースの時系列推論エンジンである。データの予測、外れ値の検出、将来の知識を使用したプロセスの自動化に役立つ。 | MIT | ❌ |
| Linkedinのluminol | Python | Luminolは時系列データ分析のための軽量なPythonライブラリである。サポートする2つの主要機能は異常検知と相関分析である。異常の考えられる原因を調査するために使用できる。 | Apache-2.0 | ❌ |
| NumentaのNupic | C++ | Numenta Platform for Intelligent Computingは、階層的一時記憶（HTM）の実装である。 | AGPL | ❌ |
| oddstream | R | oddstream（Outlier Detection in Data Streams）は、大規模なストリーミング時系列データのコレクション内の異常な系列を早期に検出するためのリアルタイムサポートを提供する。 | GPL-3 | ❌ |
| PyOdds | Python | PyODDSは、データベースサポート付きの外れ値検出のためのエンドツーエンドのPythonシステムである。PyODDSは静的データと時系列データの両方をサポートする外れ値検出アルゴリズムを提供する。 | MIT | ❌ |
| PySAD | Python | PySADは、さまざまなオンラインモデルと実験のための完全なツールセットを備えたストリーミング異常検知フレームワークである。 | BSD 3-Clause | ❌ |
| rrcf | Python | ストリーム上の異常検知のためのRobust Random Cut Forestアルゴリズムの実装。 | MIT | ❌ |
| NetflixのSurus | Java | Robust Anomaly Detection（RAD）- Robust PCAの実装。 | Apache-2.0 | ❌ |
| NASAのTelemanom | Python | LSTMを使用して多変量時系列データの異常を検出するためのフレームワーク。Mars Science LaboratoryおよびSMAPミッションの宇宙船異常データと実験が含まれている。 | custom | ❌ |
このセクションには、予測、一般的な時系列分析、ラベリングなど、異常検知に関連するタスクのための時系列ソフトウェアが含まれている。
| 名前 | 言語 | 説明 | ライセンス | メンテナンス状況 |
|---|---|---|---|---|
| darts | Python | dartsは、時系列の簡単な操作と予測のためのPythonライブラリである。ARIMAのような古典的なモデルからニューラルネットワークまで、さまざまなモデルが含まれている。 | Apache-2.0 | ✔️ |
| ETNA | Python | etnaは、時間的データ構造を常に念頭に置いた時系列予測と分析のためのPythonライブラリである。EDAおよび検証メソッドとともに、統一されたインターフェースを持つさまざまな予測モデルが含まれている。 | Apache-2.0 | ✔️ |
| AmazonのGluonTS | Python | GluonTSは、MXNetを中心に構築された確率的時系列モデリングのためのPythonツールキットである。GluonTSは、時系列データセットの読み込みと反復処理のためのユーティリティ、トレーニング可能な最先端モデル、独自モデルを定義するためのビルディングブロックを提供する。 | Apache-2.0 | ✔️ |
| pmdarima | Python | Rの_auto.arima_をscikit-learnフレンドリーなインターフェースで移植したもの。 | MIT | ✔️ |
| FacebookのProphet | Python/R | Prophetは時系列データを予測するための手順である。年次・週次の季節性と祝日に非線形トレンドをフィットさせる加法モデルに基づいている。 | BSD | ✔️ |
| PyFlux | Python | このライブラリは、最新の時系列モデルの豊富なラインナップと、これらのモデルに適用できる柔軟な推論オプション（頻度論的およびベイズ的）を備えている。 | BSD 3-Clause | ❌ |
