异常点检测算法工具库（pyod）介绍+代码

项目地址：
https://github.com/yzhao062/Pyod#ramaswamy2000efficient
参考资料：
知乎-用PyOD工具库进行「异常检测」
使用PyOD库在Python中进行离群值检测
PyOD在线文档
优快云-离群点异常检测及可视化分析工具pyod测试

☆☆☆☆☆作者写的异常检测方向的资料，强烈推荐阅读☆☆☆☆☆
👍🏻【强烈推荐阅读】异常检测算法应用与实践_CMU赵越

一、PyOD介绍

异常检测（又称outlier detection、anomaly detection，离群值检测）是一种重要的数据挖掘方法，可以找到与“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。同时它可以被用于机器学习任务中的预处理（preprocessing），防止因为少量异常点存在而导致的训练或预测失败。

二、PyOD主要亮点

● 包括近20种常见的异常检测算法，比如经典的LOF/LOCI/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

三、工具库相关重要信息汇总：

● 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: PyOD: A Python Toolbox for Scalable Outlier Detection

四、作者介绍：

微调
数据挖掘 | 机器学习系统 | 前咨询师 | 在读博士
职业经历：
斯坦福大学 (Stanford University) · Visiting Student Researcher
艾昆纬 (IQVIA) · machine learning research intern
普华永道 · 高级数据科学家
教育经历：
卡内基梅隆大学 (Carnegie Mellon University) · 信息系统
多伦多大学 (University of Toronto) · 计算机科学
辛辛那提大学 · 计算机工程（CE）
山西省实验中学
个人简介

1. 机器学习系统架构师，参与设计了10个工具库/系统，GitHub Star>10000，下载量>300,0000
2. 生物制药 x 机器学习: https://github.com/mims-harvard/TDC
3. 大规模异常检测模型 SUOD：https://github.com/yzhao062/suod
4. PyOD异常检测工具库：https://github.com/yzhao062/pyod
5. 个人主页：https://www.andrew.cmu.edu/user/yuezhao2
6. GayHub: https://github.com/yzhao062
7. Google Scholar: https://scholar.google.com/cita

五、API介绍与实例（API References & Examples）

Examples可下载github项目中查看和运行。

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_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