PySAD：Python 流式异常检测框架
机器学习
2025-05-27 v2 机器学习
摘要
流式异常检测需要在严格约束下运行的算法：有界内存、单次处理与常数时间复杂度。我们提出 PySAD，一个通过统一架构应对这些挑战的综合 Python 框架。该框架实现了 17 种以上流式算法（LODA、Half-Space Trees、xStream），并包含专用组件如投影器、概率校准器与后处理器。不同于现有的以批处理为主的框架，PySAD 在有界内存下实现高效的实时处理，同时保持与 PyOD 和 scikit-learn 的兼容性。支持单变量与多变量流的所有学习范式，PySAD 提供了 Python 中最全面的流式异常检测工具包。源代码公开于 github.com/selimfirat/pysad。
引用
@article{arxiv.2009.02572,
title = {PySAD: A Streaming Anomaly Detection Framework in Python},
author = {Selim F. Yilmaz and Suleyman S. Kozat},
journal= {arXiv preprint arXiv:2009.02572},
year = {2025}
}
备注
7 pages, 1 figure