機械学習による異常判別、異常検知手法と長所・短所/選択方法

機械学習により異常判別、異常検知を行うことにより、人間の作業量の減少、及び人間には把握できない程のデータに基づいた判断・検知ができる。データ解析ソフトウェアや、Pythonなどのライブラリの充実により様々なデータ解析手法を簡単に実行できるようになってきたが、手法の使い分けや、解析結果が思わしくない場合の対処には手法に関する知識が必要である。 　そこで本セミナーでは、代表的な判別分析手法、異常検知手法について、その考え方、長所短所や選択方法も含めて解説する。

1. 判別と異常検知
   1. 教師あり学習、教師なし学習とは?
   2. 手法の複雑さと過学習
   3. 複雑さの選定
      1. 交差検証法
      2. 多重共線性
   4. 異常例が少ない場合:ベイズの公式
   5. 判別機の性能評価
      1. 正常/異常標本精度
      2. ROC曲線
2. 異常判別:教師あり学習
   1. 線形判別
   2. 2次判別
   3. Support Vector Machine (SVM)
3. 異常検知:教師なし学習
   1. 正規分布を用いた異常検知
      1. マハラノビスの距離
      2. ホテリングのT2法
   2. Local Outlier Factor
   3. One Class SVM
4. まとめ
• 質疑応答・名刺交換