pygod
Biblioteca Python para detección de anomalías en grafos. Soporta 10+ algoritmos con APIs unificadas sobre PyTorch Geometric. Compatible con tareas a nivel nodo, arista y grafo.
Ficha actualizada 18 sept 2026, 20:25 · upstream 14 nov 2024, 6:35 · release v1.1.0
Qué es pygod
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
PyGOD es una biblioteca Python especializada en detección de outliers en grafos, construida sobre PyTorch Geometric y PyTorch. Proporciona una API unificada para múltiples algoritmos de detección de anomalías estructurales, siguiendo el diseño de la librería PyOD para consistencia y accesibilidad.
La biblioteca incluye más de 10 detectores implementados con soporte nativo para mini-lotes y muestreo, permitiendo procesar grafos a gran escala. Es compatible con objetos de datos de PyG y ofrece documentación detallada con ejemplos interactivos disponibles en la web oficial.
Los algoritmos cubren enfoques diversos: desde clustering (SCAN) hasta GNN+AE (DOMINANT, GAE), modelos generativos (GAAN), y métodos contrastivos (CONAD). La librería soporta configuraciones transductivas e inductivas para predicción en datos de entrenamiento y prueba.
- Detección de actividades sospechosas en redes sociales
- Seguridad en sistemas de detección de intrusiones
- Análisis de fraudes en transacciones financieras estructuradas
- Monitoreo de anomalías en redes de sensores IoT
- Validación de calidad de datos en grafos de conocimiento
- API unificada consistente entre todos los algoritmos implementados
- Soporte para tres niveles de detección: nodo, arista y grafo completo
- Diseño escalable con mini-batch y muestreo para grafos grandes
- Documentación completa con tutoriales interactivos en docs.pygod.org
- 18 algoritmos implementados desde 2007 hasta 2024
- Compatible con PyTorch Geometric 2.3.0+ y PyTorch 2.0.0+
- No incluye Docker ni archivos de contenedorización (Dockerfile, compose)
- Requiere instalación manual de dependencias: torch, torch_geometric, numpy, scikit-learn
- Python >=3.8 necesario, sin soporte para versiones antiguas
- Sin soporte one-click deployment o scripts de instalación simplificados
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instalar con pip: pip install pygod. Requerimientos mínimos: Python>=3.8, torch>=2.0.0, torch_geometric>=2.3.0, numpy>=1.24.3, scikit-learn>=1.2.2, scipy>=1.10.1, networkx>=3.1. Instalar dependencias manualmente antes de usar. Verificar compatibilidad de versiones de PyTorch con el entorno CUDA si se usa GPU. Para producción, considerar empaquetado en wheel o Docker externo.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.