Python-Bibliothek für Ausreißer- und Anomalieerkennung (Outlier Detection). Enthält über 40 Algorithmen — von Isolation Forest bis Autoencoder — und ist der De-facto-Standard für unsupervised Anomaliedetektion in Python.
Kosten: Open Source (BSD-Lizenz)
Stärken
- 40+ Algorithmen für unterschiedliche Anwendungsfälle
- Kompatibel mit scikit-learn API — einfache Integration
- Gut dokumentiert mit Benchmarks zwischen Algorithmen
- Aktiv entwickelt, regelmäßige Updates
Einschränkungen
- Nur für Python-erfahrene Data Scientists geeignet
- Kein GUI oder No-Code-Interface
- Skalierung auf sehr große Datensätze erfordert zusätzliche Infrastruktur
Passt gut zu
Diesen Inhalt teilen:
Empfohlen in 1 Use Cases
Labortechnik & Analytik
Redaktionell bewertet · Preise und Funktionen können sich ändern.
Stimmt etwas nicht?
Preise geändert, Feature veraltet oder etwas fehlt? Wir freuen uns über Hinweise und Ergänzungen.
Weitere Tools
Augury
Augury
Predictive Maintenance Plattform spezialisiert auf Rotationsmaschinen (Motoren, Pumpen, Ventilatoren). Machine Learning analysiert Vibration und Akustiksignale zur Fehlervorhersage.
Mehr erfahrenBigQuery ML
Google Cloud
Machine-Learning-Erweiterung für Googles Data Warehouse BigQuery. Analysten trainieren Modelle direkt per SQL — ohne Datenbewegung, ohne separaten ML-Stack. Inklusive Forecasting mit TimesFM und Remote-Calls zu Gemini, Vertex AI und Anthropic-Modellen.
Mehr erfahrenBrightrock
Brightrock
ML-Plattform für Kosmetikformulierungen, die Stabilität, Verträglichkeit und Wirksamkeit von Rezepturen vorhersagt, bevor die erste Laborcharge hergestellt wird. Trainiert auf proprietären Formulation-Datenbanken.
Mehr erfahren