TabulaSage
开源离线数据分析工具，基于scikit-learn的IsolationForest和决策树算法，支持CSV文件的列画像、异常检测和可解释预测分析，所有计算在本地完成，数据不出本机
时间轴 (近 90 天)
TabulaSage 是由开发者 Zhiyilang 为 Hacktoberfest 2026 开源 AI 挑战赛打造的离线数据分析器，使用开源 AI 作为全部引擎且文件永不离开本机
TabulaSage 对 CSV 文件提供三项分析：每列画像（类型、缺失率、分布、高频类别）、异常检测、以及由可解释模型给出的目标列驱动因素
TabulaSage 的整个代码路径中没有任何网络调用，代码约 200 行 Python
TabulaSage 使用 scikit-learn 的 IsolationForest 进行异常检测，并使用一棵浅层决策树（DecisionTreeClassifier）作为可解释模型
在一个被植入一行坏数据的 15 行样本中，IsolationForest 检测出第 9 行的异常数据（age=999, income=15）
在样本测试中可解释模型达到测试准确率 100%，最强驱动因子为 age（重要性 0.57），其次为 monthly_spend
TabulaSage 使用「均值 2σ 以上」作为无参数异常标记阈值，而非依赖 scikit-learn 默认的 contamination 参数，以避免在小数据上误报约 40% 数据
TabulaSage 第一版因未将 --target 列从特征中剔除导致标签泄漏，报出虚假的 100% 准确率，修复方法是从特征列表中移除 target 列
TabulaSage 可无需重写应用即可接入本地开放权重 LLM（如通过 Ollama 运行的 Gemma）生成更丰富描述，或接入 TabPFN 做预测
TabulaSage 的洞察生成使用确定性模板将统计数据转化为句子，无需 LLM
还有 1 条时间轴事件
全部知识事实 (11)
TabulaSage 是由开发者 Zhiyilang 为 Hacktoberfest 2026 开源 AI 挑战赛打造的离线数据分析器，使用开源 AI 作为全部引擎且文件永不离开本机
50%待验证TabulaSage 对 CSV 文件提供三项分析：每列画像（类型、缺失率、分布、高频类别）、异常检测、以及由可解释模型给出的目标列驱动因素
50%待验证TabulaSage 的整个代码路径中没有任何网络调用，代码约 200 行 Python
50%待验证TabulaSage 使用 scikit-learn 的 IsolationForest 进行异常检测，并使用一棵浅层决策树（DecisionTreeClassifier）作为可解释模型
50%待验证在一个被植入一行坏数据的 15 行样本中，IsolationForest 检测出第 9 行的异常数据（age=999, income=15）
50%待验证在样本测试中可解释模型达到测试准确率 100%，最强驱动因子为 age（重要性 0.57），其次为 monthly_spend
50%待验证TabulaSage 使用「均值 2σ 以上」作为无参数异常标记阈值，而非依赖 scikit-learn 默认的 contamination 参数，以避免在小数据上误报约 40% 数据
50%待验证TabulaSage 第一版因未将 --target 列从特征中剔除导致标签泄漏，报出虚假的 100% 准确率，修复方法是从特征列表中移除 target 列
50%待验证TabulaSage 可无需重写应用即可接入本地开放权重 LLM（如通过 Ollama 运行的 Gemma）生成更丰富描述，或接入 TabPFN 做预测
50%待验证TabulaSage 的洞察生成使用确定性模板将统计数据转化为句子，无需 LLM
50%待验证作者认为闭源 API 方案更容易做演示却更难赢得信任，对于触碰真实数据的工具宁可选择可调试的开源模型
50%