一、表格数据异常检测（除scikit-learn外） #

1. PyOD #

• 核心定位：专门面向异常检测的一站式库，覆盖绝大多数无监督/半监督算法，对表格数据友好。
• 主流算法：包含LOF、ABOD、kNN、AutoEncoder等，还支持集成方法（如Feature Bagging）。
• 文档与示例获取：
  • 官方文档可通过搜索库名找到，里面有详细的算法参数说明和场景教程；
  • GitHub仓库的examples目录有大量表格数据的实战代码，直接可运行；
  • PyPI页面也附带快速入门指引。
• 极简示例：

from pyod.models.lof import LOF
from pyod.utils.data import generate_data

# 生成模拟表格异常数据
X_train, X_test, y_train, y_test = generate_data(n_train=1000, n_test=200, contamination=0.1)
# 初始化LOF模型
clf = LOF(n_neighbors=20)
clf.fit(X_train)
# 预测异常分数与标签
y_pred = clf.predict(X_test)
scores = clf.decision_function(X_test)

2. XGBoost（半监督/有监督场景） #

• 核心定位：工业界常用的梯度提升树库，适合有少量标注异常样本的表格数据场景。
• 主流用法：将异常检测转化为二分类任务（正常=0，异常=1），利用XGBoost的强拟合能力处理高维表格数据。
• 文档与示例获取：
  • 官方文档有专门的异常检测应用章节；
  • GitHub仓库的demo目录包含分类任务转异常检测的示例；
  • 社区有大量工业界落地的实战笔记。
• 极简示例：

import xgboost as xgb
from sklearn.model_selection import train_test_split

# 假设df是你的表格数据，label列标注了正常/异常
X = df.drop('label', axis=1)
y = df['label']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 初始化XGBoost分类器，处理样本不平衡
model = xgb.XGBClassifier(objective='binary:logistic', scale_pos_weight=9)
model.fit(X_train, y_train)
# 预测异常概率
y_pred_proba = model.predict_proba(X_test)[:, 1]

二、时序数据异常检测 #

1. Prophet（趋势/季节性异常检测） #

• 核心定位：Facebook开源的时序预测+异常检测工具，适合有明显趋势、季节性的业务时序数据（如销量、服务器指标）。
• 主流用法：通过拟合时序模型，计算实际值与预测值的偏差，超过阈值则标记为异常。
• 文档与示例获取：
  • 官方文档有详细的异常检测配置教程；
  • GitHub仓库的notebooks目录有真实业务场景的示例（如电商销量异常检测）；
  • 自带的prophet.diagnostics模块有异常评估工具。
• 极简示例：

from prophet import Prophet
import pandas as pd

# 构造时序数据，格式为ds（时间列）、y（数值列）
df = pd.DataFrame({'ds': pd.date_range(start='2023-01-01', periods=365), 'y': your_time_series_data})
# 初始化模型，开启异常检测（宽置信区间减少误报）
model = Prophet(interval_width=0.99)
model.fit(df)
# 生成预测结果
forecast = model.predict(df)
# 标记异常：实际值超出置信区间则为异常
df['is_anomaly'] = (df['y'] < forecast['y_lower']) | (df['y'] > forecast['y_upper'])

2. ADTK（专门时序异常检测库） #

• 核心定位：专门为时序数据设计的异常检测库，内置多种时序专用算法（如基于滑动统计、ARIMA、孤立森林的时序变体）。
• 主流算法：包含ThresholdAD、QuantileAD、ARIMAAD、IsolationForestAD等，支持多变量时序。
• 文档与示例获取：
  • 官方文档有清晰的API说明和时序场景教程；
  • GitHub仓库的examples目录有单变量、多变量时序异常检测的实战代码。
• 极简示例：

from adtk.data import validate_series
from adtk.visualization import plot
from adtk.detector import ThresholdAD

# 验证时序数据格式（需为pandas Series，索引为时间）
ts = validate_series(your_time_series_series)
# 初始化阈值检测器（基于上下限阈值）
threshold_ad = ThresholdAD(high=100, low=10)
# 检测异常
anomalies = threshold_ad.detect(ts)
# 可视化结果
plot(ts, anomaly=anomalies, ts_linewidth=1, anomaly_color='red', anomaly_tag_size=2)

三、通用落地工具与技巧 #

• 数据预处理：用pandas做表格/时序数据清洗，scikit-learn的StandardScaler/MinMaxScaler做特征标准化，两者的官方文档和社区示例资源极多。
• 模型评估：用scikit-learn的roc_auc_score、precision_recall_curve评估效果，样本不平衡场景下，PR曲线比ROC更具参考价值。

内容的提问来源于stack exchange，提问作者hosna mozafari