yzhao062/pyodUma biblioteca Python para detecção de anomalias em dados tabulares, séries temporais, grafos, texto, imagem e áudio. Mais de 60 detectores, orquestração ADEngine respaldada por benchmarks e um fluxo de trabalho agêntico para agentes de IA.
.. image:: https://raw.githubusercontent.com/yzhao062/pyod/master/brand/pyod-icon.svg :target: https://pyod.dev :alt: PyOD Ecosystem :width: 84px
PyOD 3: Detecção de Anomalias Agêntica em Escala
|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
**O PyOD está pronto para agentes.** O Claude Code e o Codex podem usar a skill ``od-expert`` para conduzir investigações do ADEngine, enquanto agentes compatíveis com MCP podem consultar o conhecimento dos detectores do PyOD e as ferramentas de planejamento. A API clássica ``fit``/``predict`` permanece inalterada.
O PyOD 3 é a biblioteca Python mais abrangente para detecção de anomalias. Quatro pilares:
=========================== ========================================================================================
Pilar O que significa
=========================== ========================================================================================
Multimodal 61 detectores para dados tabulares, séries temporais, grafos, texto, imagem e áudio, uma única API
Ciclo de vida completo De dados brutos a anomalias explicadas e orientação para os próximos passos em uma única chamada
Agêntico od-expert transforma solicitações em linguagem natural em fluxos de trabalho do ADEngine; o MCP expõe ferramentas estruturadas para outros agentes
Mais utilizado 46+ milhões de downloads; roteamento respaldado por benchmarks (ADBench, TSB-AD, BOND, NLP-ADBench)
=========================== ========================================================================================
Instalação ^^^^^^^^^^
Biblioteca principal (necessária para todos os caminhos de ativação):
.. code-block:: bash
pip install pyod
Em seguida, escolha o caminho de ativação que corresponde à sua stack de agentes:
.. code-block:: bash
# 1. Claude Code / Codex — habilita a skill od-expert
pyod install skill # Claude Code: global do usuário (~/.claude/skills/)
pyod install skill --project # Codex: local do projeto (./skills/, o Codex não tem diretório global do usuário)
# 2. Qualquer LLM compatível com MCP — requer o extra opcional mcp
pip install pyod[mcp]
pyod mcp serve # alias para `python -m pyod.mcp_server`
# 3. Python puro — nenhum passo extra
# from pyod.utils.ad_engine import ADEngine
Execute pyod info a qualquer momento para ver a versão, a contagem de detectores e
o estado de instalação de cada caminho de ativação. pyod info também detecta
qual stack de agentes você tem instalada (~/.claude/ para Claude Code,
~/.codex/ para Codex) e recomenda o comando de instalação correto.
Para conda, instalação a partir do código-fonte, detalhes de dependências e solução de problemas,
consulte o guia de instalação <https://pyod.readthedocs.io/en/latest/install.html>__ completo.
O comando legado pyod-install-skill da v3.0.0 ainda funciona como
alias para pyod install skill.
Detecção de Outliers com 5 Linhas de Código (pip install pyod):
.. code-block:: python
from pyod.models.iforest import IForest
clf = IForest()
clf.fit(X_train)
y_train_scores = clf.decision_scores_ # pontuações de anomalia de treino
y_test_scores = clf.decision_function(X_test) # pontuações de anomalia de teste
Três formas de usar o PyOD:
========= ===================== ====================================================================== =======================================
Camada Nome Quando usar Ponto de entrada
========= ===================== ====================================================================== =======================================
1 API Clássica Você sabe qual detector deseja Exemplos da Camada 1 <https://pyod.readthedocs.io/en/latest/examples/tabular.html>__
2 ADEngine Você quer que o PyOD escolha, compare e avalie automaticamente Tutorial da Camada 2 <https://pyod.readthedocs.io/en/latest/examples/adengine.html>__
3 Investigação Agêntica Você quer que um agente de IA conduza a DO por meio de conversa natural Tutorial da Camada 3 <https://pyod.readthedocs.io/en/latest/examples/agentic.html>__
========= ===================== ====================================================================== =======================================
As Camadas 2 e 3 são alimentadas pelo ADEngine, o núcleo de orquestração do ciclo de vida do PyOD. O fluxo completo de investigação de múltiplos turnos da Camada 3 está disponível por meio da skill od-expert para Claude Code e Codex. O servidor MCP (python -m pyod.mcp_server) expõe dez ferramentas sem estado para LLMs compatíveis com MCP, abrangendo consultas de conhecimento (list_detectors, explain_detector, compare_detectors, get_benchmarks), planejamento (profile_data, plan_detection, build_detector) e detecção (run_detection, analyze_results, explain_findings); as ferramentas MCP com estado investigate / iterate foram adiadas.
.. image:: https://raw.githubusercontent.com/yzhao062/pyod/development/docs/figs/agentic-demo.png :alt: Demonstração de investigação agêntica do PyOD 3 no conjunto de dados cardiotocografia :align: center :width: 720