異常検知と変化検知(イジョウケンチトヘンカケンチ)

企業所属の著者が、データ解析に携わる人の視点でまとめた。必要な理論を幅広く、体系的に述べる。大規模データから「珍しいパターン」を見出す、あるいは変化の「兆し」を素早くつかむ必要がある人なら必読。するする読めて、ずっと使える 1 冊。現在知られている異常検知・変化検知の手法の大半をカバーした。

企業所属の著者が、データ解析に携わる人の視点でまとめた。必要な理論を幅広く、体系的に述べる。大規模データから「珍しいパターン」を見出す、あるいは変化の「兆し」を素早くつかむ必要がある人なら必読。

【機械学習プロフェッショナルシリーズ】
本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全 29 巻にわたって刊行する。
ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。
これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。

第 2 期として、以下の 4 点を同時刊行!

統計的学習理論 金森 敬文・著
サポートベクトルマシン 竹内 一郎／烏山 昌幸・著
確率的最適化 鈴木 大慈・著
異常検知と変化検知 井手 剛／杉山 将・著

第 3 期の刊行は 2015 年 12 月、第 4 期の刊行は 2016 年 4 月の予定。

【シリーズ編者】
杉山 将 東京大学大学院新領域創成科学研究科 教授
第 1 章 異常検知・変化検知の基本的な考え方
第 2 章 ホテリングの T2 法による異常検知
第 3 章 単純ベイズ法による異常検知
第 4 章 近傍法による異常検知
第 5 章 混合分布モデルによる逐次更新型異常検知
第 6 章 サポートベクトルデータ記述法による異常検知
第 7 章 方向データの異常検知
第 8 章 ガウス過程回帰による異常検知
第 9 章 部分空間法による変化検知
第 10 章 疎構造学習による異常検知
第 11 章 密度比推定による異常検知
第 12 章 密度比推定による変化検知

製造ラインの不良検知、ネットワーク侵入の検出、センサーデータの劣化兆候把握など、「正常とは異なる振る舞いを見つける」問題は産業のあらゆる場面に現れます。井手剛・杉山将による本書は、講談社の機械学習プロフェッショナルシリーズの一冊として、異常検知と変化検知の理論を統計的な枠組みから厳密に整理した学術的な教科書です。

ホテリングの T2 統計量や近傍法を用いた密度推定から始まり、部分空間法、カーネル法、ガウス過程回帰、スパースモデルと段階的に手法の射程を広げていきます。各手法について「なぜその統計量が異常を検出できるのか」を数式で追う構成のため、線形代数・確率統計の基礎は前提として必要です。

実装レシピ集ではなく理論の土台を固める本であるため、すぐにコードを書いて試したい人には取っつきにくいかもしれません。しかし、ライブラリの API を呼ぶだけでは判断できない「どの手法をどんなデータ特性に対して選ぶべきか」を見極める力は、本書が与えてくれる理論的な見通しから生まれます。異常検知を仕事で扱うエンジニア・研究者にとって、手法選定の根拠を与えてくれる一冊です。