pyod

一站式异常检测库，60+算法开箱即用，自动选最优模型

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 1521 🐛 待处理 227 👀 关注 142

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 10084

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源库，BSD-2-Clause许可，完全免费，可自行部署使用。

项目预览

项目数据

分类开源模型

开发团队yzhao062

官网地址https://pyod.dev

GitHubhttps://github.com/yzhao062/pyod

定价模式🏷️完全免费

价格说明开源库，BSD-2-Clause许可，完全免费，可自行部署使用。

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BSD-2-Clause

主要语言Python

技术栈/模型agentic-ai,anomaly-detection,data-mining,data-science,deep-learning,foundation-models,fraud-detection,graph-anomaly-detection,image-anomaly-detection,machine-learning,multimodal,nlp-anomaly-detection,novelty-detection,out-of-distribution-detection,outlier-detection,outlier-ensembles,time-series,time-series-anomaly-detection,unsupervised-learning

GitHub 星标★ 10084

上线时间2017-10-03 00:00:00

代码更新2026-10-28

仓库体积44.3 MB

本站数据更新2026-11-10

维护状态较活跃

收录时间2026-08-09

浏览次数4

项目介绍

PyOD是一个专注于异常检测的Python库，覆盖表格、时间序列、图、文本、图像和音频等多种数据类型，内置60多种检测算法，包括经典的LOF、IForest以及深度学习方法。它解决的核心问题是让异常检测任务标准化和易用化，提供统一的API接口，用户只需几行代码就能训练和评估模型。PyOD还提供基于基准测试的ADEngine编排功能，能自动比较和选择最优检测器，并支持面向AI代理的智能工作流，方便集成到自动化系统中。项目由学术界和工业界共同维护，文档丰富，社区活跃，是异常检测领域最流行的工具之一。

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 ★ 10084

技术标签

agentic-ai anomaly-detection data-mining data-science deep-learning

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 10 分钟部署方式：库/依赖 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

Python 环境（PyOD 是 Python 库，需先安装 Python）
可访问 PyPI 或 conda-forge 的网络环境
（可选）Anaconda/Miniconda，便于用 conda 安装

安装与启动步骤

1确认 Python 环境

PyOD 是 Python 库，先在终端确认 python 可用，再选择 pip 或 conda 其中一种方式安装。
```
python --version
```
2pip 安装 PyOD

README 的 PyPI 徽章指向 pypi.org/project/pyod，说明可用 pip 从 PyPI 安装该包。建议在虚拟环境中执行。
```
pip install pyod
```
3或 conda 安装 PyOD

README 的 Anaconda 徽章指向 anaconda.org/conda-forge/pyod，说明也可从 conda-forge 频道安装，二选一即可。
```
conda install -c conda-forge pyod
```
4验证导入

安装完成后导入 pyod 并打印版本号，无报错即说明库已正确安装。
```
python -c "import pyod; print(pyod.__version__)"
```