S191018K
開催日時:2019年10月18日(金) 10:30-16:30
会 場:オームビル(東京都千代田区神田錦町3‐1)
受 講 料:お1人様受講の場合 47,000円[税別]/1名
1口でお申込の場合 57,000円[税別]/1口(3名まで受講可能)
【受講対象・レベル】
・異常値を含むデータからの検出方法にお困りの方
・データサイエンスに興味をお持ちの方
【習得できる知識】
・各種分析手法の特徴、目的、長所短所の理解
・分析ソフトウエアに実装された分析手法の使い分け
【趣旨】
近年、多くの産業・ビジネスの場面において、特定の対象や集団を
認識することや異常状態を検出することが重要になっています。
例えば工業製品の良品・不良品の判定は人力では作業量に限界が生じる
ためコンピュータによる自動化が求められています。このような問題に
対し有効とされる機械学習手法が、種々の判別分析手法や異常検知手法です。
そこで本セミナーでは代表的な判別分析手法である線形判別分析や非線形な
判別ルールに対応できる2次判別分析、さらには複雑なデータの判別を可能に
するサポートベクターマシンについて講義します。また、異常検知手法については
データの特性(正規分布、周波数特性、相関)と閾値による異常判別からはじまり、
マハラノビスの距離、LOF、one-class SVM、change finderといった分析手法につ
いて、その長短所や選択方法も含めて解説します。
1. 判別と異常検知
1-1 教師あり学習、教師なし学習とは?
1-2 手法の複雑さと過学習
1-3 複雑さの選定
(1) 交差検証法
(2) 多重共線性
1-4 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
2-1 線形判別
2-2 2次判別
2-3 Support Vector Machine (SVM)
(1) ハードマージンとソフトマージン
(2) カーネルトリック
3. 異常検知:教師なし学習
3-1 正規分布を用いた異常検知:単変量の場合
3-2 正規分布を用いた異常検知:多変量の場合
(1) マハラノビスの距離
(2) ホテリングのT2法
3-3 Local Outlier Factor
3-4 One Class SVM
3-5 時系列モデルにおける異常検知
(1) 変化点検知
(2) Change Finder
4. まとめ