rob-med/awesome-ts-anomaly-detectionСписок инструментов и наборов данных для обнаружения аномалий в данных временных рядов.
Список инструментов и наборов данных для обнаружения аномалий в данных временных рядов.
Все списки расположены в алфавитном порядке. В списках поддерживаемые проекты имеют приоритет над неподдерживаемыми. Репозиторий считается «неподдерживаемым», если последний коммит был сделан более 1 года назад или авторы прямо упоминают об этом.
🎓 Если вы нашли эту подборку полезной и хотите сослаться на неё, пожалуйста, следуйте правилам цитирования.
| Название | Язык | Описание | Лицензия | Поддерживается |
|---|---|---|---|---|
| CueObserve от Cuebook | Python3 | Обнаружение аномалий в SQL-хранилищах данных и базах данных. | Apache-2.0 | ✔️ |
| EGADS от Yahoo | Java | EGADS — это библиотека, содержащая ряд методов обнаружения аномалий, применимых ко многим сценариям использования, в одном пакете с единственной зависимостью — Java. | GPL | ✔️ |
| flow-forecast от AIStream | Python | Библиотека глубокого обучения на PyTorch для прогнозирования временных рядов, классификации и обнаружения аномалий (изначально создавалась для прогнозирования наводнений). | GPL-3 | ✔️ |
| Hastic | Python + node.js | Инструмент обнаружения аномалий во временных рядах с UI на основе Grafana. | GPL | ✔️ |
| Luminaire от Zillow | Python | Luminaire — это Python-пакет, предоставляющий решения для обнаружения аномалий и прогнозирования временных рядов на основе машинного обучения. | Apache-2.0 | ✔️ |
| MIDAS | C++ | MIDAS (сокращение от Microcluster-Based Detector of Anomalies in Edge Streams) обнаруживает микрокластерные аномалии в потоке рёбер за постоянное время и с постоянным объёмом памяти. | Apache-2.0 | ✔️ |
| Orion | Python | Orion — это библиотека машинного обучения для неконтролируемого обнаружения аномалий во временных рядах, предоставляющая ряд «проверенных» ML-конвейеров (так называемых Orion pipelines), которые выявляют редкие паттерны и помечают их для экспертной проверки. | MIT | ✔️ |
| OutlierDetection.jl | Julia | Быстрое, масштабируемое и гибкое обнаружение выбросов на Julia. | MIT | ✔️ |
| PyOD | Python | PyOD — это комплексный и масштабируемый Python-инструментарий для обнаружения выбросов в многомерных данных. | BSD 2-Clause | ✔️ |
| ruptures | Python | Ruptures — это Python-библиотека для offline-обнаружения точек изменения. Пакет предоставляет методы для анализа и сегментации нестационарных сигналов. | BSD 2-Clause | ✔️ |
| EarthGecko Skyline | Python3 | Skyline — это система обнаружения аномалий в реальном времени, созданная для пассивного мониторинга сотен тысяч метрик. | MIT | ✔️ |
| Adaptive Alerting от Expedia.com | Java | Потоковое обнаружение аномалий с автоматическим выбором и подгонкой моделей. | Apache-2.0 | ❌ |
| ADTK от Arundo | Python | Anomaly Detection Toolkit (ADTK) — это Python-пакет для неконтролируемого / основанного на правилах обнаружения аномалий во временных рядах. | MPL 2.0 | ❌ |
| AnomalyDetection от Twitter | R | AnomalyDetection — это R-пакет с открытым исходным кодом для обнаружения аномалий, который является статистически устойчивым при наличии сезонности и основного тренда. | GPL | ❌ |
| Anomalyzer от Lytics | Go | Anomalyzer реализует набор статистических тестов, которые дают вероятность того, что заданный набор числовых данных, как правило временной ряд, содержит аномальное поведение. | Apache-2.0 | ❌ |
| banpei | Python | Обнаружение выбросов (теория Хотеллинга) и обнаружение точек изменения (преобразование сингулярного спектра) для временных рядов. | MIT | ❌ |
| banshee от Ele.me | Go | Система обнаружения аномалий для периодических метрик. | MIT | ❌ |
| CAD | Python | Контекстное обнаружение аномалий в реальном времени для потоковых данных (алгоритм-победитель конкурса NAB 2016 года). | AGPL | ❌ |
| Chaos Genius | Python | Аналитический движок на основе машинного обучения для обнаружения выбросов/аномалий и анализа первопричин. | MIT | ❌ |
| datastream.io от Mentat | Python | Фреймворк с открытым исходным кодом для обнаружения аномалий в реальном времени с использованием Python, Elasticsearch и Kibana. | Apache-2.0 | ❌ |
| DeepADoTS | Python | Реализация и оценка 7 методов на основе глубокого обучения для обнаружения аномалий в данных временных рядов. | MIT | ❌ |
| Donut | Python | Donut — это алгоритм неконтролируемого обнаружения аномалий для сезонных KPI, основанный на вариационных автокодировщиках. | - | ❌ |
| LoudML | Python | Loud ML — это движок логического вывода с открытым исходным кодом для временных рядов, построенный на основе TensorFlow. Он полезен для прогнозирования данных, обнаружения выбросов и автоматизации процессов с использованием знаний о будущем. | MIT | ❌ |
| luminol от Linkedin | Python | Luminol — это лёгкая Python-библиотека для анализа данных временных рядов. Две основные функции, которые она поддерживает, — это обнаружение аномалий и корреляция. Её можно использовать для изучения возможных причин аномалий. | Apache-2.0 | ❌ |
| Nupic от Numenta | C++ | Numenta Platform for Intelligent Computing — это реализация иерархической темпоральной памяти (HTM). | AGPL | ❌ |
| oddstream | R | oddstream (Outlier Detection in Data Streams) обеспечивает поддержку в реальном времени для раннего обнаружения аномальных рядов в большой коллекции потоковых данных временных рядов. | GPL-3 | ❌ |
| PyOdds | Python | PyODDS — это сквозная Python-система для обнаружения выбросов с поддержкой баз данных. PyODDS предоставляет алгоритмы обнаружения выбросов, поддерживающие как статические данные, так и временные ряды. | MIT | ❌ |
| PySAD | Python | PySAD — это фреймворк потокового обнаружения аномалий с различными онлайн-моделями и полным набором инструментов для экспериментов. | BSD 3-Clause | ❌ |
| rrcf | Python | Реализация алгоритма Robust Random Cut Forest для обнаружения аномалий в потоках. | MIT | ❌ |
| Surus от Netflix | Java | Robust Anomaly Detection (RAD) — реализация метода Robust PCA. | Apache-2.0 | ❌ |
| Telemanom от NASA | Python | Фреймворк для использования LSTM с целью обнаружения аномалий в многомерных данных временных рядов. Включает данные об аномалиях космических аппаратов и эксперименты миссий Mars Science Laboratory и SMAP. | специальная | ❌ |
