機械学習を用いた異常判別

　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）

　笛田　薫　氏　

　　　　滋賀大学　データサイエンス学部　データサイエンス学科
　　　　　　　　　　　教授　　博士(数理学)

　　

　　【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