時系列データにおける異常検知は,プラントにおける製造過程での利用や種々のデータ解析の前処理としての利用をはじめ,データ解析における様々な場面で必要となる重要な技術です。
本講義では,統計的機械学習に基づいた異常検知について,その基本的な考え方から,私がこれまで取り組んできたものを含む最新の方法までを,現場の人が使えるまで理解できるように紹介したいと思います。
- はじめに
- 機械学習とは
- 機械学習の基本的な問題設定
- 異常の種類
- 外れ値検知と異常検知
- 異常検知の基本的な考え方
- データを用いた異常検知の流れ
- 異常検知における機械学習の役割
- 状況の分類と異常検知手法の選択
- 静的データにおける異常検知
- 確率分布を用いた異常判定
- 次元削減を用いた方法
- サポートベクトルマシンによる方法
- 時系列データにおける変化点検知
- 静的データと時系列データ
- 変化点検知の基本的な考え方
- 静的データの異常検知手法の変化点検知への拡張
- いくつかの変化点検知手法
- 具体的な応用例
- 生産業における応用事例
- 医療データにおける応用事例