TODS是一个全栈的自动化机器学习系统，主要针对多变量时间序列数据的异常检测。
TODS提供了详尽的用于构建基于机器学习的异常检测系统的模块，它们包括：数据处理（dataprocessing），时间序列处理（timeseriesprocessing），特征分析（featureanalysis)，检测算法（detectionalgorithms），和强化模块（reinforcementmodule）。
这些模块所提供的功能包括一般目的的数据预处理、时间序列数据的平滑或变换，从时域或频域中抽取特征、多种多样的检测算法以及让人类专家来校准系统。该系统可以处理三种常见的时间序列异常检测场景：点的异常检测（异常是时间点）、模式的异常检测（异常是子序列）、系统的异常检测（异常是时间序列的集合）。TODS提供了一系列相应的算法。该包由 DATALab@TexasA&MUniversity 开发
TODS具有如下特点：
全栈式机器学习系统：支持从数据预处理、特征提取、到检测算法和人为规则每一个步骤并提供相应的接口。
广泛的算法支持：包括PyOD 提供的点的异常检测算法、最先进的模式的异常检测算法（例如 DeepLog, Telemanon ），以及用于系统的异常检测的集合算法。
自动化的机器学习：旨在提供无需专业知识的过程，通过自动搜索所有现有模块中的最佳组合，基于给定数据构造最优管道。
评论