Main Content

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 resubPredictpredict 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

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
lofCreate local outlier factor model for anomaly detection
isanomalyFind anomalies in data using local outlier factor
ocsvmFit one-class support vector machine (SVM) model for anomaly detection
isanomaly1 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
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
LocalOutlierFactorLocal outlier factor model for anomaly detection
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。

  • Code Generation for Anomaly Detection

    Generate single-precision code that detects anomalies in data using a trained isolation forest model or one-class SVM.

関連情報