異常検知と変化検知：機械学習プロフェッショナルシリーズ解説講座第二弾

1. 正常や異常の種類の多様性
2. 異常イベントの少なさからくる不均衡の問題

このような困難を克服するアイデアや手法にはある程度標準的なものが存在しています。その1つは一旦正常データの傾向のみを掴んでおいて、新しいデータがその傾向からどれだけ外れているかを異常度とする「教師なしアプローチ」です。

この講座では井手先生・杉山先生の著書『異常検知と変化検知』（講談社サイエンティフィク）を教科書に、異常検知への「教師なしアプローチ」を学んでいきます。

※著者及び出版社には、教科書として使用する許可を得ておりますが、本講座とは無関係です。 本講座に関してのお問い合わせは弊社へのみお願いいたします

受講にあたって

受講する上で必要な知識

・統計検定２級程度の基礎的な確率の知識。（参考：初級統計学）

・主成分分析やサポートベクトルマシンの仕組み。（参考：続・初級統計学）

また著作権の関係上、教科書「講談社サイエンティフィク　機械学習プロフェッショナルシリーズ　井手剛・杉山将著　異常検知と変化検知」をお持ちでない場合は各自ご購入いただきます。

目標

・異常検知というタスクに親しむこと。

・異常検知のためのさまざまな機械学習アルゴリズムを知ること。

カリキュラム

各章立ては教科書に準拠しています。

初日：第1章・第2章　概要・T2法

異常検知・変化検知の困難な点や異常度の定式化について解説を行います。また、最も基本的な方法であるホテリングのT2法について学びます。

二日目：第3章・第4章　単純ベイズによる異常検知と近傍法

初日に引き続き異常検知の最も基本的な方法である単純ベイズ法と近傍法を解説します。

この辺りから異常検知の各アルゴリズムをPython言語によるデモンストレーションを交えながら解説していきます。

三日目：第5章　混合分布モデルによる逐次更新型異常検知

混合分布モデルの推定法の一つとして、EMアルゴリズムを解説します。

四日目：第6章　サポートベクトルデータ記述法による異常検知

カーネル法というサポートベクトルデータ記述法に用いられている手法について説明します。

五日目：第7章　方向データの異常検知

フォンミーゼス・フィッシャー分布という方向データのための確率分布を導入し、この確率分布が異常検知にどう応用されるかに焦点をあてます。

フォンミーゼス・フィッシャー分布は七日目に扱う部分空間法においても重要となります。

六日目：第8章　ガウス過程回帰による異常検知

まずはガウス過程回帰とは何であるか概要を説明します。

その後、ガウス過程回帰が自然な形で異常検知に応用できることを確認していきます。

七日目：第9章　部分空間法による変化検知

時系列データが与えられたとき、ある時刻の時系列の状態がこれまでと比べて変化しているものなのかを調べる部分空間法を解説します。

この部分空間法を知る上で、五日目に解説したフォンミーゼス・フィッシャー分布が改めて役に立ちます。

八日目：第10章　粗構造学習による異常検知

これまではあるデータ点が異常かという問いやある時刻が時系列の変化点かという問いに注目してきましたが、ここでは各変数の異常度に注目していきます。

変数の異常度を分析する代表的な手法であるGraphical LASSOを解説します。

受講詳細

お申し込み、録画視聴はお申込フォームからお願いします。

お申込み

お申し込みは、以下のお申込フォームからお願いします。

※お手数ですが、講座名について『異常検知と変化検知：機械学習プロフェッショナルシリーズ解説講座第二弾』を選択のうえ送信をお願いします。

開講スケジュール