Ｐｙｔｈｏｎを利用した外れ値検出の基礎

■ 外れ値検出の考え方と基本手法

■ 入出力データからの外れ値検出

■ 時系列データからの外れ値検出

★ 単純なデータの集合からのノイズ除去、様々な観測データからの異常値の検出、故障予知・セキュリティーへの応用・・・ 
★ 応用が広く、重要な技術である外れ値検出を実務での応用をふまえて解説

セミナー講師

茨城大学 工学部 情報工学科　教授　博士（工学） 新納 浩幸 氏

【専門】 自然言語処理、機械学習、統計学　

【略歴】
1985年3月 東京工業大学 理学部 情報科学科 卒業
1987年3月 同大学院 情報科学専攻 修了
1987年4月 富士ゼロックス（～'88年4月）
1988年5月 松下電器（～'93年3月）
1993年4月 茨城大学 助手
1997年3月 東京工業大学（田中穂積教授）より博士（工学）を取得
1997年 茨城大学 講師
2001年 同大学 助教授
2015年 同大学 教授

受講料

43,200円 ( S&T会員受講料 41,040円 )
(まだS&T会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)

S&T会員なら、2名同時申込みで1名分無料
2名で43,200円 (2名ともS&T会員登録必須​／１名あたり定価半額21,600円) 

【1名分無料適用条件】
※2名様ともS&T会員登録が必須です。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、１名あたり定価半額で追加受講できます。
※受講券、請求書は、代表者に郵送いたします。
※請求書および領収証は1名様ごとに発行可能です。
　(申込みフォームの通信欄に「請求書１名ごと発行」と記入ください。)
※他の割引は併用できません。

セミナー趣旨

　外れ値検出は非常に応用が広く、重要な技術です。単純なデータの集合からノイズを除去したり、センサーで得られる時系列データを含む様々な観測データから異常値を検出したり、それを故障予知に応用することもできます。また近年はセキュリティーにも応用されています。
　本講座では外れ値検出の基礎として、その考え方と基本手法を紹介します。Ｐｙｔｈｏｎによる解析例を示すことで、実際にその手法を試すことができるようになります。

セミナー講演内容

１．外れ値検出の概要
　1.1 外れ値検出とは
　1.2 外れ値検出の応用
　1.3 問題のタイプ分け

２．データ集合からの外れ値検出
　2.1 生成確率
　2.2 外れ値の度合い
　2.3 ホテリング理論
　　2.3.1 1次元のホテリング理論
　　2.3.2 多次元次元のホテリング理論
　　2.3.3 Pythonによる解析例
　2.4 LOF
　　2.4.1 局所的な密度
　　2.4.2 Pythonによる解析例
　2.5 One Class SVM
　　2.5.1 ソフト SVM
　　2.5.2 Pythonによる解析例
　2.6 多次元データの次元縮約による外れ値検出
　　2.6.1 主成分分析
　　2.6.2 特異値分解
　　2.6.3 再構成誤差
　　2.6.4 Pythonによる解析例

３．入出力データからの外れ値検出
　3.1 出力値の生成確率
　3.2 出力値の外れ値の度合い
　3.3 関数の推定
　3.4 線形モデル
　3.5 リッジ回帰
　3.6 偏最小２乗法
　3.7 正準相関分析
　3.8 各種モデルのPythonによる解析例

４．時系列データからの外れ値検出
　4.1 時系列データの外れ値
　4.2 近傍法
　4.3 特異スペクトル変換法
　4.4 自己回帰モデル
　4.5 各手法のPythonによる解析例

 □ 質疑応答 □