常见问题

下一步是什么？

这是跟踪待修复/待添加重要事项的中心位置

  • GPU 支持（请注意，使用 TensorFlow 后端的 Keras 将自动在 GPU 上运行；auto_encoder_example.py 在 RTX 2060 GPU 上大约需要 96.95 秒）。

  • 提高安装效率，例如使用 Docker

  • 添加 Gitter 联系渠道

  • 支持其他语言，参见 管理翻译

  • 修复 Numba 启用的函数可能被排除在代码覆盖率之外的错误

  • 决定 readthedocs 应该使用哪个 Python 解释器。3.X 调用 Python 3.7，目前不支持 TF。

如果需要，请随时提交问题报告。参见 问题。

如何贡献

欢迎您为这个激动人心的项目贡献力量

  • 请首先查看问题列表中的“需要帮助”标签，并对您感兴趣的问题进行评论。我们会将问题分配给您。

  • Fork master 分支并添加您的改进/修改/修复。

  • 创建到 development 分支的拉取请求，并遵循拉取请求模板 PR 模板

  • 将触发自动测试。请确保所有测试都通过。请确保所有新增模块都附带了适当的测试函数。

为了确保代码风格和标准一致，请参考 abod.py、hbos.py 或 feature_bagging.py 等示例。

您也可以通过提交问题或发送邮件至 zhaoy@cmu.edu 分享您的想法 :)

收录标准

与 scikit-learn 类似，我们主要考虑收录成熟的算法。一个经验法则是发表至少两年、被引用 50 次以上且实用。

但是，我们鼓励新提出模型的作者将您的实现分享并添加到 PyOD 中，以提高机器学习的可及性和可重现性。此例外仅适用于您承诺至少两年维护您的模型的情况。