Upload
akira11
View
231
Download
9
Embed Size (px)
Citation preview
入門機械学習 異常検知- R 実践 -
2
大國
1
題材
• 井手 剛 2015 ,入門機械学習 異常検知- R 実践 - , コロ 社
–著者 記書籍 訳者 一人• タ ン認識 機械学習 第12章 巻
• 統計的学習 基礎― タマ ン 推論 予測―第6章
2
本書 目次
• 1 異常検知 基本的 考え方
• 2 正規 布 従う タ 異常検知
• 3 非正規 タ 異常検知
• 4 性能評価 方法
• 5 要 次元 含 タ 異常検知
• 6 入力 出力 あ タ 異常検知
• 7 系列 タ 異常検知
• 8 くあ そ 対処法
本資料 内容
3
2 正規 布 従う タ 異常検知
内容
• 2章 内容 ★ 印部 本資料 掲載– 2.1 異常検知手 流
– 2.2 1変数正規 布 基 く異常検知
– 2.3 1変数 ン 理論 詳細
– 2.4 多変量正規 布 基 く異常検知
– 2.5 多変数 ン 理論 詳細
– 2.6 マ ビ = タ チ法
– 2.7 t 布 異常 定
– 2.8 ン 理論 課題
★
★
★
★
★
4
2章 前 1/2
• 2章 多く ン 理論 割 い
– ン 理論 そ 応用 マ ビ タ チ法 MT法日本 特 製造業 現場 広く使わ い いう現実 考慮 構成
• ン 理論 異常検知理論 エ セン 最重要部 いうわ い
• 筆者 ン 理論 +MT法 限界 課題 明示 強調? い
– 理論 く 実用 役 立 ばいい 実際 ン 理論 う く使え 場面 限 いう 実感 p.57
– ン 理論 例えば半 体 プロセ 制御 実用化 い 一般的方法 妥当 非常 く制御 値 静的 一定値 う 状
況 い p.58
– 本書 3章以降 考え い う
• 幸い 2000 代半ば 統計的機械学習 実用的 異常検知 枠組 多
様 問題 適用 う ン 理論 位置 変わあ p.57
• 次章以降 記 う 課題 ※2.8節 念頭 機械学習 観点 異常検知 手法 見 ゆ p.58
5
2章 前 2/2
• 2章 方
– ン 理論 必要以 意識
– 3章以降 機械学習 的 部
あ 種 準備運動 ≠異常検知 エ センく い 気持 ば い
あく 私見
6
2.1 異常検知手 流
7
2. 正規 布 従う タ 異常検知 1/31
• 2.1 異常検知手 流 1/4
– ン 理論
• 多変量解析 外 値検出手法
• いわば異常検知 典理論
–外 値検出問題 念頭 置い 異常値検知 流• 0 準備• 1 プ1 布推定
• 2 プ2 異常度 定義
• 3 プ3 閾値 設定
8
2. 正規 布 従う タ 異常検知 2/31
• 2.1 異常検知手 流 2/4
– 0 準備• タ 準備 M次元 観測値 N個• タ 中 異常 観測値 含 い い含 い そ 影響 無視 仮定
– 1 プ1 布推定• タ 性質 応 適 確率 布 仮定
• タ θ
• 典型的 布推定 問題
{ })()2()1( ,,, NxxxD L=
決 問題タ未知 )|( Dxp θθ
9
2. 正規 布 従う タ 異常検知 3/31
• 2.1 異常検知手 流 3/4
– 2 プ2 異常度 定義• 観測値 x 対 予測 布
– D 変数 く タ 条件付 確率 表記 使う 本来
誤用
– タ D 情報 使 未知量 決 後 布
いう意味 く使わ
• 新 観測値 x’ 対 異常度
– 異常度 定義
» 情報理論的 筋 通
» 正規 布 形 密接 関係
– ⇒付録 A.4.1 理論的 議論あ
)|( Dxp
)|'(ln)'( Dxpxa −=
10
2. 正規 布 従う タ 異常検知 4/31
• 2.1 異常検知手 流 4/4
– 3 プ3 閾値 設定
• 異常度 決定 閾値 設定 異常検知 可能
• 理想的– 正常 異常度 確率 布 明示的 求観測値 理論的 発生確率 異常 定 行う
– 一般 異常度 確率 布 明示的 求 簡単 い
• 経験的– 正常 信 タ D 割合 位点 センタ
使う 普通
– 複雑 無関係 常 計算可能 実用 い 便利
11
2.2 1変数正規 布 基 く異常検知
12
2. 正規 布 従う タ 異常検知 5/31
• 2.2 1変数正規 布 基 く異常検知 1/6– 2.2.1 プ1 布推定
– 2.2.2 プ2 異常度 定義• 式 2.3 異常度 定義
– 対数 取 整え
表う値 確率得 うい任意 観測値予測 布
代入式最尤推定 タ
式
)ˆ ,ˆ|((2.3) ˆ ,ˆ
)(2
1exp
)2(
1),|( (2.3)
22
2
22/12
2
x'
xN
xxN
σµσµ
µσπσ
σµ
→
−−=
2
2
2 ˆ)ˆ'(
1 (2.6)
−=−≡σ
µµσ
xxa(x')式
子 標本 均
母 ば 正規化
13
2. 正規 布 従う タ 異常検知 6/31
• 2.2 1変数正規 布 基 く異常検知 2/6– 2.2.3 プ3 閾値 設定
• 正規 布 仮定 a(x’) 確率 布 明示的 出可能
• a(x’) ば 原因
– 観測値 x’自体 ば
– 推定 タ D ば 標本 限性 必然
• 正規 布 仮定 基 い 異常度 確率 布 う く ?統計学 外 値理論 詳細 2.3節
• ン 理論 ン 統計量 ン T2 次頁
• 基本的 統計的仮 検定 同 手 思 い
14
2. 正規 布 従う タ 異常検知 7/31
• 2.2 1変数正規 布 基 く異常検知 3/6– 2.2.3 プ3 閾値 設定
{ } ( )
)1,1(~)'( (2.8)
11 )'( 1
)1,1(~)'(1
1 (2.7)
F )1,1(
)'( (2.6) '
, ,, 1
1 2.1
2
2)()1(
χ
σµ
xa
xaN
NFxaN
N
N
xax
NxxD N
式
乗 布 従う因子そ 自由度特
式
布 従う わ自由度
定数倍式う同 布 独立 従新 観測値
従い布各観測値 独立 同次元 観測 タ
変数布ン 統計量定理
>>
−+−
−
= K
ン 統計量 or ン T2
15
2. 正規 布 従う タ 異常検知 8/31
• 2.2 1変数正規 布 基 く異常検知 4/6– 2.2.4 R 実行例
• 使用 car Davis タ※ car タ 使う 目的
• weight 体重 1変数 使 異常検知– 後段 2.4 節 weight 体重 height 身長 2変数即 多変数 場合 異常検知 行う
16
2. 正規 布 従う タ 異常検知 9/31
• 2.2.4 R 実行例 5/6
# 出力用P)Fファイルに関 設定じmg.name <- paste("じmg_「.」", ".p”f", sep="")p”f(fじle = じmg.name, famじlと = "Japan1Gotしじ“BBB")
# ッ ー 読み込み# じnstall.pa“kages("“ar") #イン ール未済 場合 実行lじbrarと(“ar)
#================================================================# ータ 確認#================================================================# ータ 確認”ata()aづじs)str()aづじs)しea”()aづじs)
で <- )aづじs
# てeじgしt ラしじst(で$てeじgしt, でlじm = “(」5, 105), breaks = 14)
#================================================================# 1変数正規分布に基 く異常検知 実行例#================================================================#------------------------------# ップ1:分布推定#------------------------------
#------------------------------# ップ1:分布推定#------------------------------# 正規分布 ラ ター 標本平均、標本分散を求めmつ <- mean(で$てeじgしt) # 標本平均s「 <- sつm((で$てeじgしt - mつ)^「) / nroて(で) # 標本分散(≠不偏分散)“(mつ, s「)
#------------------------------# ップ「:異常度 定義#------------------------------# 式(「.8)によ 異常度 定義a <- (で$てeじgしt - mつ)^「 / s「
#------------------------------# ップ」:閾値 設定#------------------------------# カイ二乗分布を基に た閾値 設定(tし <- q“しじsq(0.99, 1)) # 1%基準、自由度 1# 作図plot(a,
maじn = "図「.」 )aづじs ータ 体重に関 異常度",でlab = "標本番号", とlab = "異常度")
lじnes(0:「00, rep(tし, lengtし(0:「00)), “ol = re” , ltと = 「) # 閾値
#================================================================# 出力#================================================================# イ を閉”eづ.off()
17
2. 正規 布 従う タ 異常検知 10/31
• 2.2.4 R 実行例 6/6
プ
– weight 体重 布正規 布
タ 計算
– 各 異常度 算出
– 乗 布 ※近似基 く閾値 設定そ 閾値 超 い
確認
右
18
2.4 多変量正規 布 基 く異常検知
19
2. 正規 布 従う タ 異常検知 11/31
• 2.4多変量正規 布 基 く異常検知 1/7• 1変数 ン 理論 ⇒ 2変数以 張
• 独立同 布 従う M次元 N個 観測値 タ D 想定
• 多次元正規 布 式(2.30) 化
– ※式 複雑そう 見え
» 基本的 形 1変数 正規 布 同
» ン 理論 枠組最終的 使う 異常度 布 近似的 乗 布
– 正規 布 仮定 いう
» タ 布 山 い い安定 い
» 淡々 生産 続 工場 設備 異常 定 いう
−Σ′−−
Σ=Σ −
−
)()(2
1exp
)2(),|( (2.30) 1
2/
2/1
µµπ
µ xxxNM
式
20
2. 正規 布 従う タ 異常検知 12/31
• 2.4多変量正規 布 基 く異常検知 2/7– 2.4.1 プ1 多次元正規 布 最尤推定
– 2.4.2 プ2 異常度 定義
• 1変数 場合 同様 負 対数尤度 2倍 式 2.35• ⇒ 観測 タ x’ 標本 均μ い 表• ⇒マ ビ 距 2乗
– ば 大 応 異常度 定義» 正常 ば い 少 見逃 い» 正常 ば 大 い 多少 ば 大目 見
• M次元 系全体 要約 一 値 計算– 異常度 a(x’) 高い x’ 変数 ?– ン 理論 そ 問題 ン 理論 課題 2.8節
)ˆ'(ˆ)ˆ'()( 2.35 1 µµ −Σ′−=′ − xxxa式
∑
∑
=
=
′−−≡Σ=Σ
=
N
n
nn
N
n
n
xxN
xN
1
)()(
1
)(
)ˆ)(ˆ(1ˆ (2.34)
1ˆ (2.32)
µµ
µ
式
式
21
2. 正規 布 従う タ 異常検知 13/31
• 2.4多変量正規 布 基 く異常検知 3/7– 2.4.3 プ3 閾値 設定 ン T2理論
( ) { }
( )
乗 布 従う因子近似的 自由度場合
布 従う自由度量く 統計式
従う次元ウ 布行列由度統計的 独立 自
次元正規 布 従う共 散均
以 成立新 観測独立標本
定義式標本共 散式標本 均
基個 独立標本次元正規 布
理論多変数 ン定理
1)(4.
),()()1(
2.353.
1ˆ2.
101.
,
2.34ˆ2.32ˆ
,, ,
T 2.6 )()1(
2
MxaMN
FMNMxaMN
MN
MNxN
MN
Nx
xN
xxNNM N
′>>
−′+−
Σ−−′Σ
Σ+−′
′ΣΣ
Σ
µ
µ
µµ
µ K
)ˆ(ˆ)ˆ()1(
2.36 12 µµ −′Σ−′+−≡ − xx
MN
MNT T式 ン 統計量 ン T2
22
2. 正規 布 従う タ 異常検知 14/31
• 2.4多変量正規 布 基 く異常検知 4/7– 2.4.3 プ3 閾値 設定 ン T2理論
• ウ 布– 乗 布 多次元 張 対応
– M = 1 ウ 布 乗 布 帰着
• 実用 系 変数 数 M 多い ばN >> M 成 立 う– 異常度 a タ 物理的単位や数値 普 的 自由度
M 因子 1 乗 布 従う⇒定理2.6 命題4. 主張
– 自由度 M 因子 1 乗 布 期待値M 散2M» 1変数当 異常度 a(x) / M 正常 1 中心 大体 (2 / M)-1/2 幅 ば く
23
2. 正規 布 従う タ 異常検知 15/31
• 2.4多変量正規 布 基 く異常検知 5/7– 2.4.4 R 実行例
• 使用 car Davis タ
• weight 体重 height 身長 2変数 使う
• 流 同 ※言葉 1変数 場合 微妙 変え あ
– タ 準備 閾値 確率値 設定
– プ1 標本 均 標本 散 計算
– プ2 異常度 計算
– プ3 異常 定
24
2. 正規 布 従う タ 異常検知 16/31
• 2.4.4 R 実行例 6/7#出力用P)Fファイルに関 設定じmg.name <- paste("じmg_eで_「.4-5", ".p”f", sep="")p”f(fじle = じmg.name, famじlと = "Japan1Gotしじ“BBB")
# ッ ー 読み込み#じnstall.pa“kages("“ar") #イン ール未済 場合 実行lじbrarと(“ar)
#================================================================# ータ 確認#================================================================# てeじgしt しeじgしt 「変数 ータ行列 作成で <- “bじn”()aづじs$てeじgしt, )aづじs$しeじgしt)str(で)
# 散布図plot(で[, 1], で[, 「],
p“し = 16,maじn = "図「.5 )aづじs ータ 体重 身長に関 散布図",でlab = "てeじgしt", とlab = "しeじgしt")
#================================================================# 多変量正規分布に基 く異常検知 実行例#================================================================#------------------------------# ップ0:閾値 設定#------------------------------# カイ二乗分布を基に た閾値 設定(tし <- q“しじsq(0.99, 「)) #1%基準、自由度 「
#------------------------------# ップ1:分布推定#------------------------------# 標本平均(ベ ル)(mつ <- applと(で, 「, mean))# で - μ 算出(中心化)で“ <- で - matrじで(1, nroて(で), 1) %*% mつ# 標本分散(共分散行列)(“oづ <- t(で“) %*% で“ / nroて(で))
#------------------------------# ップ「:異常度 計算#------------------------------# 式(「.」5)によ 異常度 定義 --> マ ラ 距離( 「乗)a <- applと((で“ %*% solづe(“oづ)) * で“, 1, sつm)str(a)
#------------------------------# ップ」:閾値 設定#------------------------------# 異常度判定 作図plot(a,
maじn = "図「.」 )aづじs ータ 体重 身長 「変数に関 異常度",でlab = "標本番号", とlab = "異常度")
lじnes(0:「00, rep(tし, lengtし(0:「00)), “ol = "re”", ltと = 「) #閾値#================================================================# 出力#================================================================# イ を閉”eづ.off()
25
2. 正規 布 従う タ 異常検知 17/31
• 2.4.4 R 実行例 7/7
26
2.6 マ ビ タ チ法
27
2. 正規 布 従う タ 異常検知 18/31
• 2.6 マ ビ タ チ法
– 2.6.1 手法 概要
• ン 理論 多変量– 全系 総合的 異常度 あ
– 個 変数 異常度 い
• マ ビ タ チ法 MT法 MT MTS– ン 統計量 or マ ビ 距 基 く
外 値検出手法 加え
– 異常変数 選択手法 組 入
28
2. 正規 布 従う タ 異常検知 19/31
• 2.6 マ ビ タ チ法
– 手 2.3 マ ビ タ チ法
• 想定 タ
– D = {x(1), …, x(n)} 正常 タ 倒的多数 タセ
– D’ = {x’(1), …, x’(n’)} 異常 明 い タセ
– 変数 数 M M次元 集
• 1) 布推定 標本 均 標本 散 計算
• 2)異常度 計算 1変数当 マ ビ 距 計算
• 3)異常 定1– D 標本 正常範 入 う 1変数当 マ ビ 距
閾値 決
• 4)異常 定2– D’ 各標本 対 M変数 中 いく 変数 選 そ 変数集合 1変数当 異常度 計算
29
2. 正規 布 従う タ 異常検知 20/31
• 2.6 マ ビ タ チ法– 手 2.3 マ ビ タ チ法
• 経験的 指標 SNq 入– 変数集合 q 対 SN 比– aq タ ン q 対応 Mq× Mq次元 共 散行列
使 異常度
– SN 比 部» 子 =1 正常状態 1変数当 異常度 期待値
» 母 異常状態 1変数当 異常度
• SNq 見方– 1変数 見 場合
» q M通 Mq = 1» 第 q変数 N’個 異常 例 大半 大 く寄 い
1変数当 異常度 大変大 く⇒ SNq 大 く⇒ SNq 見 ば 変数 q 異常 定 用性
– 複数変数 考え 場合 実験計画法 直交表 利用
30
2. 正規 布 従う タ 異常検知 21/31
• 2.6 マ ビ タ チ法– 2.6.2 R 実行例
• MASS road タ• road タ 内容
– 26州– deaths 交通死亡 故者数– drivers 運転者数– popden 人 密度– rural 郊外地区 道路延長距– temp 1 1日 最高気温 均値– fuel 1 燃料消費量
• プロ や い– 26州 い 州 比 異常 ※あく 取い タ 限 定 州 い そ 原因 い 考え 変数 マ ビ タ チ法 MT法 特定
– temp drivers 割 奇異 計算
31
2. 正規 布 従う タ 異常検知 22/31
• 2.6.2 R 実行例 ※一部省略
※前略
> #================================================================> # ータ 確認 準備> #================================================================> #------------------------------> # ータ 確認> #------------------------------> ”ata(roa”)> str(roa”)'”ata.frame': 「6 obs. of 6 づarじables:$ ”eatしs : じnt 968 4」 588 640 474」 566 」「5 118 115 1545 ...$ ”rじづers: じnt 158 11 91 9「 95「 109 167 」0 」5 「98 ...$ pop”en : nつm 64 0.4 1「 」4 100 ...$ rつral : nつm 66 5.9 」」 7」 118 7」 5.1 」.4 0 57 ...$ temp : じnt 6「 」0 64 51 65 4「 」7 41 44 67 ...$ fつel : nつm 119 6.「 65 74 105 78 95 「0 「」 「16 ...> しea”(roa”)
”eatしs ”rじづers pop”en rつral temp fつelAlabama 968 158 64.0 66.0 6「 119.0Alaska 4」 11 0.4 5.9 」0 6.「Arじzona 588 91 1「.0 」」.0 64 65.0Arkanas 640 9「 」4.0 7」.0 51 74.0(alじf 474」 95「 100.0 118.0 65 105.0(olo 566 109 17.0 7」.0 4「 78.0
32
2. 正規 布 従う タ 異常検知 23/31
• 2.6.2 R 実行例 ※一部省略
> sつmmarと(roa”)”eatしs ”rじづers pop”en rつral
Mじn. : 4」.0 Mじn. : 11.0 Mじn. : 0.40 Mじn. : 0.00 1st Qつ.: 571.5 1st Qつ.: 86.5 1st Qつ.: 」1.75 1st Qつ.: 」0.00 Me”じan : 799.5 Me”じan :148.5 Me”じan : 66.00 Me”じan : 65.50 Mean :1000.7 Mean :191.「 Mean : 595.74 Mean : 60.71 」r” Qつ.:1「65.8 」r” Qつ.:「「6.「 」r” Qつ.: 1」5.00 」r” Qつ.: 9」.50 Maで. :474」.0 Maで. :95「.0 Maで. :1「5「4.00 Maで. :1「4.00
temp fつel Mじn. :「「.00 Mじn. : 6.「0 1st Qつ.:」」.75 1st Qつ.: 67.「5 Me”じan :41.50 Me”じan :104.50 Mean :4」.69 Mean :115.「4 」r” Qつ.:5」.「5 」r” Qつ.:154.50 Maで. :67.00 Maで. :」50.00 > plot(roa”)>
� plot 散布 出力
33
2. 正規 布 従う タ 異常検知 24/31
• 2.6.2 R 実行例 ※一部省略
> #------------------------------> # 加工変数 作成> #------------------------------> # 全 変数を運転者数(”rじづers) 割> で1 <- roa” / roa”$”rじづers
中略
> # 運転者数(”rじづers)以外 変数に い 1を足 対数を取> で「 <- log(で1[, -「] + 1)
中略
> plot(で「)> > # 上記 で「を分析用 ータで> で <- matrじで(as.nつmerじ“(as.matrじで(で「)), 「6, 5)> str(で)nつm [1:「6, 1:5] 1.96 1.59 「.01 「.07 1.79 ...
�数値 行列 変換 く
34
2. 正規 布 従う タ 異常検知 25/31
• 2.6.2 R 実行例 ※一部省略
> #================================================================> # MT法によ 異常検知 実行例> #================================================================> #------------------------------> # ップ1:標本平均、標本分散 計算> #------------------------------> # 標本平均(ベ ル)> (mつ <- applと(で, 「, mean))[1] 1.8585916 0.668448」 0.」48965」 0.」671115 0.5「64756> > # で - μ 算出(中心化)> で“ <- で - matrじで(1, nroて(で), 1) %*% mつ> > # 標本分散(共分散行列)> (“oづ <- t(で“) %*% で“ / nroて(で))
[,1] [,「] [,」] [,4] [,5][1,] 0.14157「989 -0.147619580 0.0」4」1「5「8 0.00669「856 0.01「110」56[「,] -0.147619580 1.」154」」86」 -0.1「9「75「78 0.10」6」」5「7 -0.004655647[」,] 0.0」4」1「5「8 -0.1「9「75「78 0.054」4「「46 0.01「1「6「」6 0.008」17778[4,] 0.00669「856 0.10」6」」5「7 0.01「1「6「」6 0.08「911「」6 0.00「」1685」[5,] 0.01「110」56 -0.004655647 0.008」17778 0.00「」1685」 0.0089「776「>
35
2. 正規 布 従う タ 異常検知 26/31
• 2.6.2 R 実行例 ※一部省略
> #------------------------------> # ップ「:異常度 計算> #------------------------------> # マ ラ 距離( 「乗) 異常度 a1 を変数 数 割> # -->1変数当た 異常度 算出> a <- applと((で“ %*% solづe(“oづ)) * で“, 1, sつm) / n“ol(で)> > #------------------------------> # ップ」:異常判定1> #------------------------------> # 異常度判定 作図(※閾値を1 い )> plot(a,+ maじn = "図「.7(a) roa” ータ 各標本 1変数当た 異常度",+ でlab = "標本番号", とlab = "異常度"+ )> lじnes(0:」0, rep(1, lengtし(0:」0)), “ol = "re”", ltと = 「)>
� 5 異常標本 存 伺え標本番号 2, 5, 9, 19, 26 5 最 異常
36
2. 正規 布 従う タ 異常検知 27/31
• 2.6.2 R 実行例 ※一部省略
> #------------------------------> # ップ4:異常判定「> #------------------------------> # 行列に列名、行名を入 (復活させ )> “olnames(で“) <- “("”eatしs", "pop”en", "rつral", "temp", "fつel")> roてnames(で“) <- “(+ "Alabama",
中略+ "Mont"+ )> > #+++++++++++++++> # 異常標本> #+++++++++++++++> # 5番目 標本("(alじf")におけ SN比 算出 作図> samp.no = 5> で“「 <- で“[samp.no, ]> sn <- 10 * log10(で“「^「 / ”じag(“oづ))> str(sn)Name” nつm [1:5] -14.6」11 -6.0951 -0.0」7」 0.」87 1「.9957- attr(*, "names")= “しr [1:5] "”eatしs" "pop”en" "rつral" "temp" ...
> barplot(sn, maじn = paste(samp.no, "_", roてnames(で“)[samp.no], sep = ""))
� fuel 飛 抜 高い値� そ 0 近傍以※負 SN比 偏差 標準偏差 表
⇒ 異常 fuel 帰 う
解釈
37
2. 正規 布 従う タ 異常検知 28/31
• 2.6.2 R 実行例 ※一部省略– そ 州 SN比 フ抜粋
• 異常 正常• いく 州 い 出力 出力PDF参照
異常 標本番号 9 正常 標本番号 1 標本番号 8
38
2. 正規 布 従う タ 異常検知 29/31
• マ ビ タ チ法 い 補足
– SN比 理論的根 脆弱性• マ ビ 距⇒正規 布 基 負 対数尤度
• ⇒ SN比 正規 布 重 対数変換• ⇒統計学 い 統計的機械学習 観点 正当化 困
– SN比 定義 変数 数 M 意味合い 変わう
• 異常度 マ ビ 距 標準偏差 SQRT 2/M⇒M 異⇒ SN比 定義 意味合い M 変わ う
– 実問題 MT 法 適用 際 特徴 く理解必要 あ
39
2.8 ン 理論 課題
40
2. 正規 布 従う タ 異常検知 30/31
• 2.8 ン 理論 課題–実用 課題
• 1 タ生成 単一 正規 布 従う いう仮定 限界– いく あ う 場合 変化 追従誤報 頻発
• 2 少数 変数 生 異常 捉え い– ン 統計量 M 次元 系 異常度 単一 指標 表
– 変数 多数 異常 捉え く
• 3 動的 系 適用 い– 異常度 定義 一定 均値 基 く
– 値 動的 変化 系 適用 困
41
2. 正規 布 従う タ 異常検知 31/31
• 2.8 ン 理論 課題
–一般的 方法 妥当 非常 く制御 値 静的 一定値 う 状況
工程管理 プロセ 制御等
– 記 う 課題 念頭 次章 3章 以降機械学習 観点 異常検知 手法見 ゆく
42
参考 著者
• 本書 最大 目的 異常検知 基本技術 完全 理解完全 いう タ 表 方 始 異常度 計算 方曖昧 く理解 いう 一般 異常検知 行う対象
違う 前処理 機械学習的タ 使 流作業的 行え 解析や画像解析 状況 違う 思い そう 場合 異常検知 基礎理論そ 自体 理解 避 通 い
思い そ 伝え 第1 目的
• 一方 現場 問題 解決 そ 実装 必要 あ実 本書 主 想定 い 者 機械 電気 材料 制御 非計算機系 学科 卒業 実務 携わ い エン そういう人機械学習 群 通 い い 思わ 最初 一
歩 壁 取 除く 注力 そ 第2 目的
• 目的 最適 ン R 実行例 数行 書実装 い 主
そ 同種 本 い現状 十 日本 エン実践 思 い
• http://ide-research.net/book/support.html