异常检测（又称outlierdetection、anomalydetection，离群值检测）是一种重要的数据挖掘方法，可以找到与“主要数据分布”不同的异常值（deviantfromthegeneraldatadistribution），比如从信用卡交易中找出诈骗案例，从正常的网络数据流中找出入侵，有非常广泛的商业应用价值。同时它可以被用于机器学习任务中的预处理（preprocessing），防止因为少量异常点存在而导致的训练或预测失败。
二、PyOD主要亮点?包括近20种常见的异常检测算法，比如经典的LOF/LOCI/ABOD以及最新的深度学习如对抗生成模型（GAN）和集成异常检测（outlierensemble）?支持不同版本的Python：包括2.7和3.5+；支持多种操作系统：windows，macOS和Linux?简单易用且一致的API，只需要几行代码就可以完成异常检测，方便评估大量算法?使用JIT和并行化（parallelization）进行优化，加速算法运行及扩展性（scalability），可以处理大量数据
三、工具库相关重要信息汇总：?Github
本文编辑：佚名
转载请注明出地址 http://www.feilongzhangxuea.com/ycjy/10684.html
