書籍
書籍検索
送料無料
Pythonではじめる異常検知入門 ―基礎から実践まで―
拡大
  • 表紙
  • まえがき
  • まえがき
  • まえがき
  • まえがき
会員登録するとページ閲覧だけでポイント貯蓄！
最大500ポイント利用可能！

エンジニア入門シリーズ

Pythonではじめる異常検知入門―基礎から実践まで―

監修： 笛田 薫 氏（滋賀大学）
著： 江崎 剛史 氏（滋賀大学）、李 鍾賛 氏（大阪経済法科大学）
定価： 3,850円（本体3,500円＋税）
判型： A5
ページ数： 206 ページ
ISBN： 978-4-910558-19-6
発売日： 2023/4/17
管理No： 117
購入者限定ダウンロードサービス

ご利用方法：上記ボタンをクリックすると、ログイン画面が表示されますので、ID／パスワードを入力してください。

正誤表
2024/1/25更新

【目次】

第Ⅰ部　異常検知の準備

第１章　イントロダクション

  1. １－１　異常検知とは何か
  2. １－２　各章のつながり

第２章　異常検知のデータサイエンス

  1. ２－１　得られたデータの見える化（可視化）
  2. ２－２　得られたデータの数式化：回帰モデル
    1. ２－２－１　回帰モデルの構築
    2. ２－２－２　モデルの当てはまりの良さ
  3. ２－３　交差検証法
  4. ２－４　次元圧縮：主成分分析
    1. ２－４－１　主成分の導出
    2. ２－４－２　寄与率と累積寄与率
    3. ２－４－３　主成分スコア
    4. ２－４－４　因子負荷量と主成分の解釈
  5. ２－５　ベイズの定理
    1. ２－５－１　事象の設定
    2. ２－５－２　事象の確率
    3. ２－５－３　条件付き確率
    4. ２－５－４　ベイズの定理

第３章　異常度と評価指数

  1. ３－１　データに基づいた異常検知
  2. ３－２　異常度：正常と異常を判別する客観的基準
    1. ３－２－１　異常度算出の例1：データ間の距離を参考に正常と異常を考える
    2. ３－２－２　異常度算出の例2：正規分布を仮定して正常と異常を考える
  3. ３－３　異常検知の性能評価
    1. ３－３－１　正常データに対する精度
    2. ３－３－２　異常データに対する精度
    3. ３－３－３　分岐精度とF値
    4. ３－３－４　ROC曲線の下部面積
  4. ３－４　この章で使用したPythonコード

第４章　距離に基づいた異常検知

  1. ４－１　はじめに
  2. ４－２　類似度（距離）
  3. ４－３　距離に基づく異常検知のアプローチ
    1. ４－３－１　全てのデータ点との距離
    2. ４－３－２　最近傍（Nearest Neighbor）からの距離
    3. ４－３－３　k近傍（Nearest Neighbor）からの平均距離
    4. ４－３－４　k最近傍までの距離の中央値

第Ⅱ部　データの特性でアプローチを決める

第５章　入出力の情報に基づくアプローチ

  1. ５－１　通常状態からの乖離に基づく検知：ホテリングT2
    1. ５－１－１　データが従う確率分布の仮定
    2. ５－１－２　異常度の算出
    3. ５－１－３　異常判別の閾値設定
  2. ５－２　過去の傾向からの乖離に基づく検知：ｋ－近傍法
    1. ５－２－１　データが従う確率分布の仮定
    2. ５－２－２　異常度の算出
    3. ５－２－３　異常判別の閾値設定
  3. ５－３　特定の構造から外れたデータの検知：One-Class SVM
    1. ５－３－１　データを囲む最小の球を考える
    2. ５－３－２　異常度の定義
    3. ５－３－３　カーネルトリック
    4. ５－３－４　異常判別の閾値設定
  4. ５－４　この章で使用したPythonコード

第６章　時系列情報に基づくアプローチ

  1. ６－１　定常状態の時系列データの異常検知
    1. ６－１－１　前の時点との相関を調べる
    2. ６－１－２　異常度の算出
    3. ６－１－３　異常度判別の閾値設定
  2. ６－２　非定常状態の時系列データの異常検知
    1. ６－２－１　差分をとって定常状態とみなせる形に変換する
    2. ６－２－２　異常度の算出
    3. ６－２－３　異常度判別の閾値設定
  3. ６－３　この章で使用したPythonコード

第Ⅲ部　実践

第７章　異常検知の実践例

  1. ７－１　複数入力データの異常検知
    1. ７－１－１　通常状態からの乖離に基づく検知：ホテリングT2
    2. ７－１－２　特定の構造から外れたデータの検知：One-Class SV
    3. ７－１－３　補足：ホテリングT2とOne-Class SVMの違い
  2. ７－２　時系列データの異常検知
    1. ７－２－１　気温データの時系列解析
    2. ７－２－２　補足：時系列モデルのパラメータ推定

第８章　補足

  1. ８－１　Pythonのインストールと実行
    1. ８－１－１　Anacondaのインストール
    2. ８－１－２　Jupyter notebookを使ったインタラクティブ環境
    3. ８－１－３　簡単な計算
    4. ８－１－４　変数の型
    5. ８－１－５　データ構造
    6. ８－１－６　プログラムの基本（for文とif文）
    7. ８－１－７　データの可視化
    8. ８－１－８　ライブラリのインストール
  2. ８－２　分岐ルールを作るアプローチ（Isolation Forest）
  3. ８－３　異常検知の理解に有用な文献・サイト
    1. ８－３－１　統計の基礎知識に関する書籍
    2. ８－３－２　一般的な統計に関する書籍
    3. ８－３－３　さらに進んだ統計の学習のための書籍
    4. ８－３－４　機械学習に関する書籍
    5. ８－３－５　データの可視化に関する書籍
    6. ８－３－６　Pythonの使い方に関する書籍
    7. ８－３－７　異常検知に関する書籍・Webサイト
    8. ８－３－８　データを使ったビジネス課題の解決のヒントになる書籍

【参考文献】

  • 川野秀一，松井秀俊，廣瀬慧，スパース推定法による統計モデリング，共立出版，2018．
  • 椎名洋，姫野哲人，保科架風，データサイエンスのための数学，講談社，2019
  • 小島寛之，完全独習ベイズ統計学入門，ダイヤモンド社，2015.
  • 鹿島亨，吉松賢治，久津間康博，半導体市場向け、歩留まり向上FDCシステムSavemation Review，23(2)，pp. 76–83，2005.
  • 井出剛，入門機械学習による異常検知，コロナ社，2015．
  • 井出剛，杉山将，異常検知と変化検知，講談社，2015．
  • 小野田崇，伊藤憲彦，是枝英明，水力発電所における異常予兆発見支援ツールの開発，電気学会論文誌D（産業応用部門誌），131(4)，pp. 448–457，2011.
  • 島田直希，時系列解析- 自己回帰・状態空間モデル・異常検知，共立出版，2019
  • 下川敏雄，杉本知之，後藤昌司，樹木構造接近法（R で学ぶデータサイエンス9），共立出版，2013

【口コミ】

  • ※口コミはありません。
ページトップへ戻る