まるごと学べる 異常検知の実践知（技術評論社） [電子書籍]

まるごと学べる 異常検知の実践知（技術評論社） の 商品概要

• 異常検知は製造業における不良品検出や故障の予兆検知，セキュリティ分野での不正アクセス検知，医療における病変検出など，実社会の幅広い場面で不可欠な技術です。本書は，その理論と実装をバランスよく解説した実用的な入門書です。
  「異常データが少ない」「データの分布にモデルがうまく当てはまらない」といった実務で頻発する課題を出発点に，教師あり学習，教師なし学習，統計モデリングを用いた異常検知手法を広く紹介し，その使い分け方法を体系的に整理します。
  基礎理論の平易な説明と，Pythonやオープンソースライブラリによる実用的なコード実装を通じて，実際のシステム設計や運用に直結する知識を提供します。異常検知の基礎と応用を一冊で身につけたい方に最適な手引きです。
  

• 目次

  1章 異常検知の概要と使いどころ
  1.1 異常検知とは何か
  1.2 異常検知における課題と解決策
  1.3 異常検知の実施フロー
  1.4 本書の構成
  1.5 データとモデルの基礎知識
  1.6 各手法の使い分け
  1.7 実システムで陥りやすい落とし穴
  1.8 Pythonの環境構築
  
  2章 データの概要把握と可視化
  2.1 本章の構成
  2.2 構造化データの取り扱いとPythonでの読み込み
  2.3 EDA―探索的データ解析
  2.4 データの可視化
  
  3章 教師あり学習を用いた手法
  3.1 本章の構成
  3.2 教師あり学習と異常検知
  3.3 SVM―サポートベクターマシン
  3.4 ロジスティック回帰
  3.5 教師あり学習による異常検知の問題点
  
  4章 教師なし学習を用いた手法1 ―1変数データ
  4.1 本章の構成
  4.2 教師なし学習による異常検知の概要
  4.3 確率分布と最尤推定
  4.4 ホテリング理論による異常検知―サンプルサイズNが大きい場合
  4.5 ホテリング理論による異常検知―サンプルサイズNが小さい場合
  4.6 1次元非正規分布の最尤推定による異常検知
  
  5章 教師なし学習を用いた手法2 ―計数データ
  5.1 本章の構成
  5.2 計数データの性質
  5.3 二項分布の最尤推定による異常検知
  5.4 ポアソン分布の最尤推定による異常検知
  
  6章 教師なし学習を用いた手法3 ―多変数データ
  6.1 本章の構成
  6.2 多次元確率分布の性質と最尤推定
  6.3 多変数のホテリング理論による異常検知
  6.4 マハラノビス・タグチ法による異常検知
  6.5 混合正規分布モデルによる異常検知
  6.6 ノンパラメトリック手法による異常検知
  
  7章 統計モデリングを用いた手法―入出力があるデータ
  7.1 本章の構成
  7.2 入出力があるデータと統計モデリング
  7.3 1変数線形回帰モデルによる異常検知
  7.4 多変数線形回帰モデルによる異常検知
  7.5 リッジ回帰モデルによる異常検知
  7.6 非正規GLMによる異常検知
  
  8章 ベイズ統計モデリングを用いた手法―入出力があるデータ
  8.1 本章の構成
  8.2 ベイズ推定とベイズ統計モデリング
  8.3 MCMC―マルコフ連鎖モンテカルロ法
  8.4 ベイズ線形回帰による異常検知
  8.5 二項ロジスティック回帰による異常検知
  8.6 ポアソン回帰による異常検知
  8.7 GLMMと階層モデル
  8.8 GLMMによる異常検知―個体差によるランダム効果
  
  9章 前処理と性能評価
  9.1 本章の構成
  9.2 異常検知における前処理
  9.3 性能評価
  

まるごと学べる 異常検知の実践知（技術評論社） の商品スペック