anomaly-detection-resources

一站式找全异常检测学习资源，紧跟LLM前沿

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 1799 🐛 待处理 14 👀 关注 281

GitHub ↗

GitHub 星标 ★ 9442

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源资源列表，完全免费，无付费版本。

项目预览

anomaly-detection-resources 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队yzhao062

GitHubhttps://github.com/yzhao062/anomaly-detection-resources

定价模式🏷️完全免费

价格说明开源资源列表，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型anomaly-detection,awesome,awesome-list,data-mining,fraud,fraud-detection,graph-neural-networks,large-language-models,llm,machine-learning,outlier,outlier-detection,outlier-ensembles,time-series-analysis,unsupervised-learning,vlm,vlms

GitHub 星标★ 9442

上线时间2018-05-16 00:00:00

代码更新2026-03-02

仓库体积382 KB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

这是一个异常检测领域的精选资源清单，汇集了书籍、论文、视频和工具箱，覆盖从经典统计方法到深度学习、大语言模型（LLM）和视觉语言模型（VLM）的最新进展。项目持续更新至2025年底，旨在为研究人员和工程师提供一站式学习与参考入口，解决异常检测方向资料分散、难以系统入门的问题。核心能力包括按主题分类的资源导航、对前沿LLM/VLM工作的重点收录，以及配套工具链的索引，帮助用户快速定位所需文献或代码实现。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 9442

技术标签

anomaly-detection awesome awesome-list data-mining graph-neural-networks

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 5 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 GitHub 的网络环境（用于浏览或克隆仓库）
本地已安装 git（仅在需要克隆到本地时使用）
任意浏览器或文本编辑器，用于阅读 README 中的资源清单

安装与启动步骤

1克隆资源仓库

把仓库拉到本地便于离线阅读和后续更新；只想在线浏览可跳过此步，直接打开 GitHub 页面。
```
git clone https://github.com/yzhao062/anomaly-detection-resources.git
```
2进入仓库目录

进入克隆下来的文件夹，目录内主要为说明文档，不含可执行程序。
```
cd anomaly-detection-resources
```
3按分类查阅资源

打开 README，按书籍与论文、在线课程与视频、异常数据集、开源与商业库/工具包等分类定位所需资料。
4跳转第三方工具

清单中收录的库和数据集需点击跳转到各自项目，按其官方文档另行安装使用，本仓库不负责安装。