異常検出

外れ値および新規性の検出

Statistics and Machine Learning Toolbox™ には、ラベル付けされていない多変量の標本データ向けの異常検出機能がいくつか用意されています。異常検出機能では、モデルに学習させるかパラメーターを学習することで外れ値 (学習データの異常) を検出します。新規性の検出 (汚染されていない学習データで新規のデータの異常を検出) では、汚染されていない学習データ (外れ値がないデータ) でモデルに学習させるかパラメーターを学習し、学習させたモデルまたは学習したパラメーターを使用して新規のデータの異常を検出します。詳細については、教師なし異常検出を参照してください。

標準の点と異常のラベルが付いた学習データがある場合は、バイナリ分類モデルに学習させて、オブジェクト関数 resubPredict と predict をそれぞれ使用して学習データと新規のデータの異常を検出できます。サポートされる分類特徴のリストについては、分類を参照してください。

ツールボックスには、分類モデル、回帰モデル、またはクラスタリングモデルに学習させた後に適用できるモデル固有の異常検出機能も用意されています。詳細については、モデル固有の異常検出を参照してください。

関数

すべて展開する

孤立森

`iforest`	異常検出用の孤立森の当てはめ
`isanomaly`	孤立森を使用したデータ中の異常の検出

局所外れ値因子

`lof`	異常検出用の局所外れ値因子モデルの作成
`isanomaly`	局所外れ値因子を使用したデータ中の異常の検出

1 クラスサポートベクターマシン (SVM)

`ocsvm`	異常検出用の 1 クラスサポートベクターマシン (SVM) モデルの当てはめ
`isanomaly`	1 クラスサポートベクターマシン (SVM) を使用したデータ中の異常の検出

マハラノビス距離

`robustcov`	ロバスト多変量共分散および平均の推定
`mahal`	基準標本に対するマハラノビス距離
`pdist2`	観測値の 2 つの集合間のペアワイズ距離

オブジェクト

`IsolationForest`	異常検出用の孤立森
`LocalOutlierFactor`	異常検出用の局所外れ値因子モデル
`OneClassSVM`	異常検出用の 1 クラスサポートベクターマシン (SVM)

トピック

教師なし異常検出
孤立森、局所外れ値因子、1 クラス SVM、およびマハラノビス距離を使用して異常を検出する。
孤立森による異常検出
孤立森 (孤立木のアンサンブル) を使用して異常を正常な点から分離することで異常を検出する。
モデル固有の異常検出
分類モデル、回帰モデル、またはクラスタリングモデルに学習させた後に、モデル固有の異常検出機能を使用して異常を検出する。
産業機械と製造工程の条件モデルの作成
分類学習器アプリを使用してバイナリ分類モデルに学習させて、産業製造機械から収集されたセンサーデータの異常を検出する。
異常検出用のコード生成
学習済みの孤立森モデルまたは 1 クラス SVM を使用してデータ内の異常を検出する単精度のコードを生成する。