yzhao062/pyod

ECOD and COPOD `explain_outlier` on new data?

Open

#408 geöffnet am 17. Mai 2022

Auf GitHub ansehen
 (2 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (1.308 Forks)batch import
enhancementhelp wanted

Repository-Metriken

Stars
 (7.762 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 4T 17h) (14 gemergte PRs in 30 T)

Beschreibung

Hi there,

Really like the python package, have been using it for a while. I was wondering if it was possible for explain_outlier method in ECOD and COPOD to be adapted as to accept new data not used during training?

Or at least to return the scores per feature given a event, as I don't need the graphic just to interpret why something was flagged as anomalous/has such a high anomaly score.

Cheers

Contributor Guide

Research-Richtung
Untersuchen Sie die aktuelle Implementierung von explain outlier in ECOD und COPOD (wahrscheinlich in pyod/models/ecod.py und pyod/models/copod.py), um zu verstehen, wie es pro Feature Scores mithilfe von Trainingsdaten berechnet. Entwerfen Sie dann Änderungen, um neue Daten zur Inferenzzeit zu akzeptieren, möglicherweise durch Zwischenspeichern notwendiger Statistiken aus dem Training. Erwägen Sie auch, die Score Berechnung von der Plot Funktion zu trennen, damit Benutzer die Scores programmatisch abrufen können. Überprüfen Sie die vorhandene Dokumentation und stellen Sie die Abwärtskompatibilität sicher.
Tech Stack
python
Domain
data
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-3 Stunden
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
Python
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
50