已知问题与警告

这是跟踪已知问题的核心位置。

安装

存在一些已知的依赖问题/注意事项。详情请参阅安装。

神经网络

SO_GAAL 和 MO_GAAL 可能只在 Python 3.5+ 版本下工作。

PyOD 与 scikit-learn 之间的差异

尽管 PyOD 构建在 scikit-learn 之上并受到其 API 设计的启发，但仍有一些需要注意的差异。

  • PyOD 中的所有模型都遵循一个惯例：离群对象的分数较高，而正常对象的分数较低。scikit-learn 的设计则相反——较低的分数代表离群对象。

  • PyOD 使用“0”代表正常点（inliers），“1”代表离群点（outliers）。不同的是，scikit-learn 对异常/离群点返回“-1”，对正常点返回“1”。

  • 尽管 Isolation Forests、One-class SVM 和 Local Outlier Factor 在 PyOD 和 scikit-learn 中都有实现，但不建议用户混合使用它们，例如从 PyOD 调用一个模型，再从 scikit-learn 调用另一个模型。建议仅使用一个库以保持一致性（对于这三个模型，PyOD 的实现实际上是 scikit-learn 的一组包装函数）。

  • PyOD 模型可能无法与 scikit-learn 的 check_estimator 函数配合使用。同样，scikit-learn 模型也无法与 PyOD 的 check_estimator 函数配合使用。