Startseite Projekte tods
tods
Python

tods

TODS: Ein automatisiertes System zur Erkennung von Ausreißern in Zeitreihen

von datamllab · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Sprache
anomaly-detectionautomlmachine-learningApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Erkennen Sie automatisch ungewöhnliche Muster in Zeitreihendaten mit einem umfassenden Machine-Learning-System.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
tods — GitHub preview card
📈 Sternhistorie
1 6641 663
2026-07-202026-08-31
📈 tods verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

TODS: Ein automatisiertes System zur Erkennung von Ausreißern in Zeitreihen

tods hat 1.7k Sterne auf GitHub. Es wurde 206-mal geforkt. tods ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. tods ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: anomaly-detection, automl, machine-learning, outlier-detection.

Frequently asked questions

Was ist tods?

TODS: Ein automatisiertes System zur Erkennung von Ausreißern in Zeitreihen

Ist tods Open Source?

tods ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist tods kostenlos?

Ja. tods ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht tods?

tods ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist tods geschrieben?

tods ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — tods

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=datamllab-tods)](https://olud.ai/project/datamllab-tods.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.