yzhao062/pyod

Support for KDE

Open

#301 ouverte le 1 mai 2021

Voir sur GitHub
 (3 commentaires) (0 réactions) (0 assignés)Python (1 308 forks)batch import
help wanted

Métriques du dépôt

Stars
 (7 762 stars)
Métriques de merge PR
 (Merge moyen 4j 17h) (14 PRs mergées en 30 j)

Description

Is there any support for KDE (Kernel Density Estimation) based outlier detection planned?

Guide contributeur

Direction de recherche
La demande propose d'ajouter une détection d'anomalies basée sur l'estimation de densité par noyau (KDE) à pyod. Pour l'implémenter, examinez d'abord les implémentations KDE existantes dans scikit learn (sklearn.neighbors.KernelDensity) et comprenez comment les scores d'anomalie peuvent être dérivés des estimations de densité. Vérifiez la structure de la classe de base de pyod et les modèles d'intégration des détecteurs existants comme ABOD ou LOF. Comme aucun détail supplémentaire n'est fourni, envisagez de discuter de l'interface souhaitée dans les commentaires de la demande pour l'aligner sur les attentes du mainteneur.
Stack technique
python
Domaine
machine learningdata
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-2 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Récente
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
Pythonoutlier detection basicsnumpy/scipy
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
30