Python による異常検知(パイソンニヨルイジョウケンチ)

機械学習による異常検知の基本と応用がわかる!
本書は、機械学習による異常検知および予測のしくみを解説します。読者が新しい異常検知システムを自ら構築できるようになることを最終目標とし、機械学習の基本概念からていねいに解説していきます。
機械学習について誤差関数を中心に理解を深めることによって「外れ値とはなにか」「閾値はどのように設定すればよいか」といった異常検知における基本が自然と理解できます。そういった基礎から入りつつ、実際に時系列データを分析する際の手法と注意点 (第 3 章) や、深層学習を用いた応用手法 (第 4 章) といった実践的な内容まで踏み込み、最終的には自ら異常検知システムを構築できるよう導きます。
全例題 Python のコード付きなので、例題を実行しながらハードルの低い内容から実践的な内容までフォローできる入門書です。

＜本書の特徴＞
・誤差を中心に機械学習の原理を理解することで、異常検知の基本的な概念が自然と理解できます。
・基本的な原理 (第 1 章・第 2 章) だけでなく、実践的な手法 (第 3 章) や最新の手法 (第 4 章) まで学ぶことができます。
・全例題 Python コード付きなので、手を動かしながら学習することができます。

製造ラインの不良検出、ネットワーク侵入の検知、金融取引の不正発見。異常検知は応用範囲が広い一方で、体系的に学べる日本語の書籍は多くありません。本書は統計的手法から機械学習ベースのアプローチまでを Python のコードとともに一冊で通覧できる構成になっており、「異常検知をやりたいが何から始めればよいか分からない」という実務者の入口として機能します。

ホテリングの T2 統計量や LOF (Local Outlier Factor) のような古典的手法から、オートエンコーダを用いた深層学習ベースの手法まで幅広く扱い、それぞれの得意な場面と限界を比較しながら進みます。数式は登場しますが、対応する Python 実装がセットで示されるため、理論と実装の対応関係を手を動かしながら確認できます。

前提として Python の基本文法と NumPy 程度の知識があれば読み始められますが、統計学の基礎 (分布、検定の考え方) がある方がスムーズです。網羅性を重視した構成のため、特定手法を深く掘り下げたい場合は論文や専門書への橋渡しとして位置づけるのが効果的です。