异常检测 (又称outlier detection、anomaly detection，离群值检测) 是一种常见的数据挖掘方法 ， 主要被用于检测与主要数据分布不同的异常值 (deviant from the general data distribution)，比如从信用卡交易中找出诈骗案例，从正常的网络数据流中找出入侵，有非常广泛的商业应用价值。另一个常见的用途就是作为机器学习任务的预处理(preprocessing)，防止因为少量异常点存在而导致的训练或预测失败。

Python Outlier Detection(PyOD) 是当下最流行的Python异常检测工具库(toolkit)，其主要亮点包括：

包括近20种常见的异常检测算法，比如经典的ABOD以及最新的 深度学习 如对抗生成模型(GAN)和 集成异常检测 (outlier ensemble)

支持不同版本的Python ：包括2.7和3.5+； 支持多种操作系统 ：windows，macOS和Linux

简单易用且一致的API ， 只需要几行代码就可以完成异常检测 ，方便评估大量算法

使用JIT和并行化(parallelization)进行优化，加速算法运行及扩展性(scalability)，可以处理大量数据

从2018年5月正式发布以来， PyOD 已经获得了超过50000次下载与1400个GitHub Star，在所有GitHub数据挖掘(data mining)工具库[1]中排名14 。同时它也被运用于多项学术研究中[2, 3]。我也曾在回答中使用过 PyOD ：「 数据挖掘中常见的「异常检测」算法有哪些？ 」。 因为现阶段 PyOD 的文档与实例全部为英文，为了方便大家使用，特别专门创作了这篇中文使用指南，欢迎转载 。

1. 背景概览(package overview)

PyOD 提供了约20种异常检测算法(详见图1)，部分算法介绍可以参考「 数据挖掘中常见的「异常检测」算法有哪些？ 」或异常检测领域的经典教科书[4]。同时该工具库也包含了一系列辅助功能，包括数据可视化及结果评估等：

图1. PyOD中所包括的算法一栏

工具库相关的重要信息汇总如下：

Github地址: pyod

PyPI下载地址: pyod

文档与API介绍(英文) : Welcome to PyOD documentation!

Jupyter Notebook示例(notebooks文件夹) :Binder (beta)

JMLR论文(在审): PyOD: A Python Toolbox for Scalable Outlier Detection

PyOD 提供两种非常简单的安装方法。我个人推荐使用pip进行安装：

pip install pyod

GitHub安装： pyod

PyPI安装：pyod

使用其包含的算法也很简单：每个算法均有相对应的例子，方便使用者学习了解API( 示例文件夹 )，比如LOF算法的对应例子就叫做lof_example.py，非常容易找到。除此之外，作者还提供了 可互动的Jupyter Notebook示例 ，无需安装，直接从浏览器打开notebook就可以尝试 PyOD 工具库。

2. API介绍与实例(API References & Examples)

特别需要注意的是， 异常检测算法 基本都是 无监督学习 ，所以只需要X(输入数据)，而不需要y(标签)。 PyOD 的使用方法和Sklearn中聚类分析很像，它的检测器(detector)均有统一的API。所有的 PyOD 检测器clf均有统一的API以便使用，完整的API使用参考可以查阅( API CheatSheet - pyod 0.6.8 documentation )：

fit(X) : 用数据X来“训练/拟合”检测器clf。即在初始化检测器clf后，用X来“训练”它。

fit_predict(X) : 和fit函数相似。先使用数据X训练检测器clf，再返回X的二分类标签(0为正常点，1为异常点)

fit_predict_score(X, y) : 用数据X来训练检测器clf，并预测X的预测值，并在真实标签y上进行评估。此处的y只是用于评估，而非训练

decision_function(X) : 在检测器clf被fit后，可以通过该函数来预测未知数据的异常程度，返回值为原始分数，并非0和1。返回分数越高，则该数据点的异常程度越高

predict(X) : 在检测器clf被fit后，可以通过该函数来预测未知数据的异常标签，返回值为二分类标签(0为正常点，1为异常点)

predict_proba(X) : 在检测器clf被fit后，预测未知数据的异常概率，返回该点是异常点概率

当检测器clf被初始化且fit(X)函数被执行后，clf就会生成两个重要的属性：

decision_scores : 数据X上的异常打分，分数越高，则该数据点的异常程度越高

labels_ : 数据X上的异常标签，返回值为二分类标签(0为正常点，1为异常点)

不难看出，当我们初始化一个检测器clf后，可以直接用数据X来“训练”clf，之后我们便可以得到X的异常分值(clf.decision_scores)以及异常标签(clf.labels_)。当clf被训练后(当fit函数被执行后)，我们可以使用decision_function()和predict()函数来对未知数据进行训练。

在有了背景知识后，我们可以使用PyOD来实现一个简单的异常检测实例：

from pyod.models.knn import KNN # imprt kNN分类器

# 训练一个kNN检测器

clf_name = 'kNN'

clf = KNN() # 初始化检测器clf

clf.fit(X_train) # 使用X_train训练检测器clf

# 返回训练数据X_train上的异常标签和异常分值

y_train_pred = clf.labels_ # 返回训练数据上的分类标签 (0: 正常值, 1: 异常值)

y_train_scores = clf.decision_scores_ # 返回训练数据上的异常值 (分值越大越异常)

# 用训练好的clf来预测未知数据中的异常值

y_test_pred = clf.predict(X_test) # 返回未知数据上的分类标签 (0: 正常值, 1: 异常值)

y_test_scores = clf.decision_function(X_test) # 返回未知数据上的异常值 (分值越大越异常)

不难看出， PyOD 的API和scikit-learn非常相似，只需要几行就可以得到数据的异常值 。当检测器得到输出后， 我们可以用以下代码评估其表现，或者直接可视化分类结果( 图2 ) 。

# 评估预测结果

print("\nOn Test Data:")

evaluate_print(clf_name, y_test, y_test_scores)

# 可视化

visualize(clf_name, X_train, y_train, X_test, y_test, y_train_pred,

y_test_pred, show_figure=True, save_figure=False)

图2. 预测结果(右图)与真实结果(左图)对比

3. 相关教程、资源与未来计划

除此之外，不少网站都曾提供过如何使用PyOD的教程，比较权威的有：

Analytics Vidhya : An Awesome Tutorial to Learn Outlier Detection in Python using PyOD Library

KDnuggets : Intuitive Visualization of Outlier Detection Methods

awesome-machine-learning : General-Purpose Machine Learning

根据开发团队的计划( Todo & Contribution Guidance )，很多后续功能会被逐步添加：

支持GPU运算

支持conda安装

增加中文文档

除此之外， 开发团队也整理异常检测相关的资源汇总(课程、论文、数据等) ，非常值得关注： anomaly-detection-resources

总结来看， PyOD 是当下最为流行的异常检测工具库，且处于持续更新中 。建议大家尝试、关注并参与到 PyOD 的开发当中。有鉴于功能可能会不断更新，请以GitHub版本为准。

[1] Build software better, together

[2] Ramakrishnan, J., Shaabani, E., Li, C. and Sustik, M.A., 2019. Anomaly Detection for an E-commerce Pricing System. arXiv preprint arXiv:1902.09566.

[3] Zhao, Y., Hryniewicki, M.K., Nasrullah, Z., and Li, Z. LSCP: Locally Selective Combination of Parallel Outlier Ensembles. SIAM International Conference on Data Mining (SDM) . 2019.

[4] Aggarwal, C.C., 2015. Outlier analysis. In Data mining . Springer, Cham.

查看原文： 用PyOD工具库进行「异常检测」