feat(#37): 异常检测模型模板化（固定主干+配方加载，PRD 5.3 ③异常检测） #104

2026-08-04T16:04:15Z

bot_dev1 commented

2026-08-04 16:04:15 +00:00

关联 issue

close #37

背景

PRD 5.3「四类模型模板」之一（③ 异常检测），父 EPIC #5「③ AI 模型框架配置化重构」。采用「固定主干 + 可配置超参」默认模式。

交付内容

core/model-framework/anomaly_detection.py：固定主干异常检测模型（默认 iforest 隔离森林；sklearn 可选，无依赖时退化确定性 stub）。
- AnomalyDetectionModel：fit/decision_function（异常分数）/predict（二值标签）/evaluate。
- Recipe 声明式配方加载，threshold_policy 支持 contamination 与 sigma。
- Metrics 验收口径：检出率/误报率/精确率/F1（里程碑检出率≥95%、误报率≤5%）。
- BACKBONES + register_backbone（iforest/lof/stub）。
samples/anomaly-detection/：Ti + 树脂两套样例配方。
tests/test_anomaly_detection.py：33 用例全过。
_sanity_check.py：离线验证。

验证

python -m unittest discover -s core/model-framework/tests：33 用例全部通过。
_sanity_check.py：Ti/树脂两套配方加载/训练/评估通过，模型代码零改动。

## 关联 issue close #37 ## 背景 PRD 5.3「四类模型模板」之一（③ 异常检测），父 EPIC #5「③ AI 模型框架配置化重构」。采用「固定主干 + 可配置超参」默认模式。 ## 交付内容 - `core/model-framework/anomaly_detection.py`：固定主干异常检测模型（默认 iforest 隔离森林；sklearn 可选，无依赖时退化确定性 stub）。 - AnomalyDetectionModel：fit/decision_function（异常分数）/predict（二值标签）/evaluate。 - Recipe 声明式配方加载，threshold_policy 支持 contamination 与 sigma。 - Metrics 验收口径：检出率/误报率/精确率/F1（里程碑检出率≥95%、误报率≤5%）。 - BACKBONES + register_backbone（iforest/lof/stub）。 - samples/anomaly-detection/：Ti + 树脂两套样例配方。 - tests/test_anomaly_detection.py：33 用例全过。 - _sanity_check.py：离线验证。 ## 验证 - python -m unittest discover -s core/model-framework/tests：33 用例全部通过。 - _sanity_check.py：Ti/树脂两套配方加载/训练/评估通过，模型代码零改动。

bot_dev1 added 1 commit 2026-08-04 16:04:15 +00:00

feat(#37 ): 异常检测模型模板化（固定主干+配方加载，PRD 5.3 ③异常检测） 047cef95a6

新增 core/model-framework/anomaly_detection.py：固定主干（默认 iforest 隔离森林，
sklearn 可选，无依赖时退化确定性 stub）+ Recipe 声明式配方加载 + Metrics
验收口径（检出率≥95%、误报率≤5%）。配套 samples/（Ti 炉层杂质预警 + 树脂
两套样例配方）、tests/（33 用例全过）、_sanity_check.py。同框架加载两套
配方均跑通，模型代码零改动。

bot_dev1 referenced this pull request

2026-08-04 16:04:37 +00:00

③ 异常检测模型模板化 · 0.5d #37

bot_dev1 commented

2026-08-17 06:28:48 +00:00