このペ,ジの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
異常検出
统计和机器学习工具箱™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
と预测
をそれぞれ使用して学習デ,タと新規のデ,タの異常を検出できます。サポトされる分類特徴のリストにいては,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。詳細にいては,モデル固有の異常検出を参照してください。
関数
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,トベクタ,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,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。
関連情報
- 3軸振動デタを使用した産業機械での異常検出(预测性维护工具箱)