用于_时间序列_数据异常检测的工具和数据集列表。
所有列表均按字母顺序排列。在列表中，已维护的项目优先于未维护的项目。 如果最新提交超过 1 年，或作者明确说明，则该仓库被视为“未维护”。
🎓 如果您觉得这个合集有用并想引用它，请遵循引用政策。
| 名称 | 语言 | 简介 | 许可证 | 维护状态 |
|---|---|---|---|---|
| Cuebook 的 CueObserve | Python3 | 对 SQL 数据仓库和数据库进行异常检测。 | Apache-2.0 | ✔️ |
| Yahoo 的 EGADS | Java | GADS 是一个库，将多种适用于众多用例的异常检测技术集成在单个包中，唯一依赖是 Java。 | GPL | ✔️ |
| AIStream 的 flow-forecast | Python | 用于时间序列预测、分类和异常检测的深度学习 PyTorch 库（最初用于洪水预测）。 | GPL-3 | ✔️ |
| Hastic | Python + node.js | 带有基于 Grafana 的用户界面的时间序列数据异常检测工具。 | GPL | ✔️ |
| Zillow 的 Luminaire | Python | Luminaire 是一个 Python 包，为时间序列数据提供由机器学习驱动的异常检测和预测解决方案。 | Apache-2.0 | ✔️ |
| MIDAS | C++ | MIDAS 是 Microcluster-Based Detector of Anomalies in Edge Streams 的缩写，以恒定的时间和内存从边流中检测微簇异常。 | Apache-2.0 | ✔️ |
| Orion | Python | Orion 是一个为无监督时间序列异常检测构建的机器学习库，提供许多“经验证”的机器学习流水线（即 Orion 流水线），用于识别罕见模式并标记以供专家审查。 | MIT | ✔️ |
| OutlierDetection.jl | Julia | 使用 Julia 进行快速、可扩展且灵活的离群值检测。 | MIT | ✔️ |
| PyOD | Python | PyOD 是一个全面且可扩展的 Python 工具包，用于检测多变量数据中的离群对象。 | BSD 2-Clause | ✔️ |
| ruptures | Python | Ruptures 是一个用于离线变点检测的 Python 库。该包提供了用于分析和分割非平稳信号的方法。 | BSD 2-Clause | ✔️ |
| EarthGecko 的 Skyline | Python3 | Skyline 是一个实时异常检测系统，旨在实现对数十万个指标的被动监控。 | MIT | ✔️ |
| Expedia.com 的 Adaptive Alerting | Java | 具有自动模型选择和拟合的流式异常检测。 | Apache-2.0 | ❌ |
| Arundo 的 ADTK | Python | 异常检测工具包（ADTK）是一个用于无监督/基于规则的时间序列异常检测的 Python 包。 | MPL 2.0 | ❌ |
| Twitter 的 AnomalyDetection | R | AnomalyDetection 是一个开源 R 包，用于检测异常。从统计角度看，它在存在季节性和潜在趋势时具有鲁棒性。 | GPL | ❌ |
| Lytics 的 Anomalyzer | Go | Anomalyzer 实现了一套统计检验，用于计算给定数字输入集（通常是时间序列）包含异常行为的概率。 | Apache-2.0 | ❌ |
| banpei | Python | 用于时间序列的离群值检测（Hotelling 理论）和变点检测（奇异谱变换）。 | MIT | ❌ |
| Ele.me 的 banshee | Go | 用于周期性指标的异常检测系统。 | MIT | ❌ |
| CAD | Python | 用于流式数据实时异常检测的上下文异常检测（2016 年 NAB 竞赛的获胜算法）。 | AGPL | ❌ |
| Chaos Genius | Python | 由机器学习驱动的分析引擎，用于离群值/异常检测和根因分析。 | MIT | ❌ |
| Mentat 的 datastream.io | Python | 一个使用 Python、Elasticsearch 和 Kibana 进行实时异常检测的开源框架。 | Apache-2.0 | ❌ |
| DeepADoTS | Python | 对 7 种基于深度学习的时间序列数据异常检测技术的实现和评估。 | MIT | ❌ |
| Donut | Python | Donut 是一种基于变分自编码器的无监督异常检测算法，适用于季节性 KPI。 | - | ❌ |
| LoudML | Python | Loud ML 是一个基于 TensorFlow 构建的开源时间序列推理引擎。它可用于预测数据、检测离群值，并利用未来知识自动化您的流程。 | MIT | ❌ |
| Linkedin 的 luminol | Python | Luminol 是一个用于时间序列数据分析的轻量级 Python 库。它支持的两大功能是异常检测和相关性分析。它可用于调查异常的可能原因。 | Apache-2.0 | ❌ |
| Numenta 的 Nupic | C++ | Numenta 智能计算平台是层级时序记忆（HTM）的一种实现。 | AGPL | ❌ |
| oddstream | R | oddstream（数据流中的离群值检测）为在大型流式时间序列数据集中及早检测异常序列提供实时支持。 | GPL-3 | ❌ |
| PyOdds | Python | PyODDS 是一个具有数据库支持的端到端 Python 离群值检测系统。PyODDS 提供支持静态和时间序列数据的离群值检测算法。 | MIT | ❌ |
| PySAD | Python | PySAD 是一个流式异常检测框架，包含各种在线模型和完整的实验工具集。 | BSD 3-Clause | ❌ |
| rrcf | Python | 鲁棒随机切割森林算法在流式数据上的异常检测实现。 | MIT | ❌ |
| Netflix 的 Surus | Java | 鲁棒异常检测（RAD）——鲁棒 PCA 的一种实现。 | Apache-2.0 | ❌ |
| NASA 的 Telemanom | Python | 一个使用 LSTM 检测多变量时间序列数据中异常的框架。包含来自火星科学实验室和 SMAP 任务的航天器异常数据和实验。 | 自定义 | ❌ |
本节包含一些用于异常检测相关任务的时间序列软件，例如预测、通用时间序列分析和标注。
| 名称 | 语言 | 简介 | 许可证 | 维护状态 |
|---|---|---|---|---|
| darts | Python | darts 是一个用于轻松处理和预测时间序列的 Python 库。它包含多种模型，从 ARIMA 等经典模型到神经网络。 | Apache-2.0 | ✔️ |
| ETNA | Python | etna 是一个始终考虑时间数据结构的 Python 时间序列预测和分析库。包含具有统一接口的各种预测模型，以及 EDA 和验证方法。 | Apache-2.0 | ✔️ |
| Amazon 的 GluonTS | Python | GluonTS 是一个围绕 MXNet 构建的概率时间序列建模 Python 工具包。GluonTS 提供了用于加载和迭代时间序列数据集的工具、开箱即用的先进模型，以及用于定义您自己模型的构建块。 | Apache-2.0 | ✔️ |
| pmdarima | Python | R 语言 auto.arima 的移植版本，接口对 scikit-learn 友好。 | MIT | ✔️ |
| Facebook 的 Prophet | Python/R | Prophet 是一种用于预测时间序列数据的过程。它基于加法模型，其中非线性趋势与年度和每周季节性以及节假日进行拟合。 | BSD | ✔️ |
| PyFlux | Python | 该库拥有丰富的现代时间序列模型，以及可应用于这些模型的灵活推理选项（频率派和贝叶斯派）。 | BSD 3-Clause | ❌ |
| 名称 | 语言 | 简介 | 许可证 | 维护状态 |
|---|---|---|---|---|
| Facebook 的 Kats | Python | Kats 旨在提供一站式时间序列分析服务，包括检测、预测、特征提取/嵌入、多变量分析等。 | MIT | ✔️ |
| MatrixProfile | Python | 一个 Python 3 库，利用矩阵轮廓算法，让每个人都能轻松完成时间序列数据挖掘任务。 | Apache-2.0 | ✔️ |
| Salesforce 的 Merlion | Python | Merlion：用于时间序列智能的机器学习框架，支持包括 ARIMA 在内的多种模型。 | BSD 3-Clause | ✔️ |
| SaxPy | Python | SAX 的通用实现，以及用于异常检测的 HOTSAX。 | GPLv2.0 | ✔️ |
| sktime | Python | 一个用于时间序列机器学习的统一框架。它提供专门的时间序列算法和与 scikit-learn 兼容的工具，用于为多种学习问题构建、调整和验证时间序列模型。 | BSD 3-Clause | ✔️ |
| sktime-dl | Python | 一个用于 sktime 的 Tensorflow/Keras 深度学习扩展包。 | BSD 3-Clause | ✔️ |
| Squey | C++ | 可视化软件，允许深入探索时间序列，同时显示每一个离群值。 | MIT | ✔️ |
| Tigramite | Python | Tigramite 是一个因果时间序列分析 Python 包。它可以从高维时间序列数据集中高效地重建因果图，并对获得的因果依赖关系进行建模，以用于因果中介和预测分析。 | GPLv3.0 | ✔️ |
| tsflex | Python | tsflex 是一个灵活且高效的时间序列特征提取与处理工具包。该包支持在多变量、不规则采样的序列数据上进行滑动窗口特征提取。 | MIT | ✔️ |
| tslearn | Python | tslearn 是一个提供时间序列分析机器学习工具的 Python 包。该包基于 scikit-learn、numpy 和 scipy 库构建。 | BSD 2-Clause | ✔️ |
| seglearn | Python | Seglearn 是一个用于时间序列或序列机器学习的 Python 包。它提供了集成的流水线，包括分割、特征提取、特征处理和最终估计器。 | BSD 3-Clause | ❌ |
