from Anomaly detection in machine learning: Finding outliers for optimization of business functions.
機械学習における異常検知は、組織がデータを収集する際に、効率の低下や問題の原因を発見し、業務改善の機会を見つけるために重要です。異常検知は「正常」なデータパターンを定義し、それを超えるデータポイントを特定するプロセスです。異常検知には監視された、非監視、半監視の3つの方法があります。監視された異常検知では、ラベル付きデータを用い、K最近傍法やローカル外れ値係数などのアルゴリズムが使用され、小売業の売上予測や天気予報の改善に応用されます。非監視異常検知では、ラベルのないデータを用い、K平均法や孤立した森、ワンクラスSVMなどのアルゴリズムが使用されます。半監視異常検知は、非監視学習と人間の監視を組み合わせ、線形回帰などのアルゴリズムを使用し、医療分野の画像解析や詐欺検出に利用されます。異常検知は、ネットワークの侵入検知や製造業での予防保全など、多岐にわたる業界でビジネス機能を維持するために不可欠なツールです。
