名称 | 语言 | 简介 | 许可证 | 维护状态 |
| Java | 流式异常检测与自动模型选择和拟合。Streaming anomaly detection with automated model selection and fitting. | Apache-2.0 | ✔️ |
| Python | 异常检测工具包(ADTK)是一个Python包,用于无监督/基于规则的时间序列异常检测。 | MPL 2.0 | ✔️ |
| R | AnomalyDetection是一个开源的R包,用于检测异常,从统计学的角度来看,在存在季节性和潜在趋势的情况下,它是稳健的。 | GPL | ❌ |
| Go | Anomalyzer实现了一套统计测试,这些测试产生了一组给定的数字输入(通常是一个时间序列)包含异常行为的概率。 | Apache-2.0 | ❌ |
| Python | 时间序列的离群点检测(Hotelling理论)和变化点检测(奇异谱变换)。 | MIT | ✔️ |
| Go | 周期性指标的异常检测系统。 | MIT | ❌ |
| Python | Contextual Anomaly Detection for real-time AD on streagming data(2016年NAB大赛获奖算法)。 | AGPL | ❌ |
| 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 | ❌ |
| Python | 基于深度学习的7种异常检测技术在时间序列数据上的实现与评估. | MIT | ✔️ |
| Python | Donut是一种基于Variational Autoencoders的季节性KPIs的无监督异常检测算法。 | - | ✔️ |
| Java | GADS是一个包含许多异常检测技术的库,这些技术适用于单一包中的许多用例,唯一的依赖是Java。 | GPL | ✔️ |
| Python + node.js | 基于Grafana用户界面的时间序列数据异常检测工具。 | GPL | ✔️ |
| Python | Loud ML是一个建立在TensorFlow之上的开源时间序列推理引擎。它对于预测数据、检测异常值以及使用未来知识自动处理数据非常有用。 | MIT | ✔️ |
| Python | Luminol是一个用于时间序列数据分析的轻量级python库。它支持的两个主要功能是异常检测和相关。它可以用来研究异常的可能原因。 | Apache-2.0 | ❌ |
| C++ | MIDAS,是基于微集群的边缘流异常检测器的简称,它能从边缘流中检测出恒定时间和内存的微集群异常。 | Apache-2.0 | ✔️ |
| C++ | Numenta Platform for Intelligent Computing是Hierarchical Temporal Memory(HTM)的实现。 | AGPL | ✔️ |
| R | oddstream(数据流中的异常值检测)为大量流式时间序列数据集合中的异常序列的早期检测提供实时支持。 | GPL-3 | ✔️ |
| Python | PyOD是一个全面的、可扩展的Python工具箱,用于检测多变量数据中的离群对象。 | BSD 2-Clause | ✔️ |
| Python | PyODDS是一个端到端的Python系统,用于支持数据库的异常点检测。PyODDS提供了支持静态和时间序列数据的异常点检测算法。 | MIT | ✔️ |
| Python | PySAD是一个流式异常检测框架,拥有各种在线模型和整套实验工具。 | BSD 3-Clause | ✔️ |
| Python | 流上异常检测的Robust Random Cut Forest算法的实现。 | MIT | ✔️ |
| Python | Ruptures是一个离线变化点检测的Python库。该包提供了非稳态信号的分析和分割方法。 | BSD 2-Clause | ✔️ |
| Python3 | Skyline是一个实时的异常检测系统,它的构建是为了实现对数十万个指标的被动监测。 | MIT | ✔️ |
| Java | Robust Anomaly Detection (RAD) - Robust PCA的一个实现。 | Apache-2.0 | ❌ |
| Python | 利用LSTMs探测多变量时间序列数据中的异常现象的框架。包括来自火星科学实验室和SMAP任务的航天器异常数据和实验。 | | ✔️ |
| Python | Luminaire是一个python包,为时间序列数据提供ML驱动的异常检测和预测解决方案。 | Apache-2.0 | ✔️
|