入門機械学習による異常検知

異常検知は、正常なデータしか十分に手元にないことが多く、正常とは何かを確率分布として捉えるところから始まる、機械学習の中でも独特の難しさを持つ課題です。『入門 機械学習による異常検知』 (井手剛 著、コロナ社、2015 年 3 月刊) は副題を R による実践ガイドとする一冊で、版元は機械学習技術を使って異常検知をやってみたい人のための実用ガイドと位置づけ、技術の断片を羅列するのではなく、実問題を解く上でぶつかる困難に立ち向かうための方法を体系的に解説する本として紹介しています。版元サイトの著者紹介では、著者は IBM ワトソン研究所に所属する博士 (理学) と記されています (2026 年 9 月時点)。

正規分布から時系列まで、全 8 章と付録の構成

構成は全 8 章と付録です。第 1 章は健康診断を例題に、計算機に判定規則を作らせる発想、確率分布で正常パターンをつかむ考え方、異常の度合いを数値で表す異常度の定義を導入します。第 2 章は正規分布に従うデータを対象に、分布推定 / 異常度の定義 / 閾値の設定という手順で 1 変数から多変量のホテリングの T2 理論、マハラノビス=タグチ法、t 分布による異常判定へ進み、第 3 章はガンマ分布の当てはめ、期待値最大化法による混合正規分布、k 近傍法と局所外れ値度、カーネル密度推定、k 平均法、支持ベクトルデータ記述法と、正規分布の仮定が崩れる場合の手法を扱います。第 4 章は正常標本精度と異常標本精度、F 値、ROC 曲線の下部面積、交差確認法、赤池情報量規準とベイズ情報量規準による性能評価とモデル選択です。第 5 章は主成分分析 (確率的 / カーネル主成分分析を含む) による次元削減型の異常検知、第 6 章は線形回帰 / リッジ回帰 / 偏最小二乗法と統計的プロセス制御 / 正準相関分析 / ベイズ的線形回帰による入力と出力があるデータの異常検知、第 7 章はスライド窓による近傍法、特異スペクトル変換法、自己回帰モデル、状態空間モデルとカルマンフィルタによる時系列データの異常検知です。第 8 章は、数式を使いたくない、モデルが変わってゆく、異常の原因を診断したい、分類問題にしてはいけないのか、といった読者の悩みをそのまま見出しにして対処法を整理し、付録に有用な R のパッケージ、確率変数の変換、行列公式、正規分布の性質のまとめを収めます。第 2 章から第 7 章には章末問題があり、各手法には R での実行例が付き、巻末には R コマンド索引もあります。

正常のモデル化という発想が手法選択の軸になる理由

異常検知が通常の分類問題と違うのは、異常の例が少なく、あっても次に起きる異常が同じ形をしている保証がない点です。そのため実務では、正常データの振る舞いを確率分布などのモデルとして記述し、そこからの外れ具合を異常度として数値化し、閾値で判定するという枠組みが基本になります。本書の章立てはこの枠組みに沿っており、データが正規分布に従うか、左右非対称か、ひと山にならないか、不要な次元を含むか、入力と出力の関係があるか、時系列かというデータの性質によって章が分かれています。手法名ではなくデータの性質から入る整理なので、目の前のデータにどの章の手法を当てるべきかを判断する見取り図として機能します。加えて、第 4 章を性能評価に独立して割いている点は実務上の要で、正常標本と異常標本の数が極端に偏る異常検知では正解率のような単純な指標が意味を持たず、ROC 曲線や F 値、閾値の置き方まで含めて評価を設計しなければ、正常なのに警報が鳴り続ける運用に陥ります。統計学 の最尤推定や情報量規準を異常検知の文脈で使う場面が多く、機械学習の手法が統計モデルの延長にあることを体感できる一冊でもあります。

数式を追う前提知識と R の実行例、向かない読者

前提知識は、線形代数 (行列 / 固有値 / 特異値分解) と確率 / 統計 (正規分布 / 最尤推定) の基礎です。各章に数式の展開があり、ホテリング理論や期待値最大化法、確率的主成分分析、状態空間モデルの詳細を扱う節は別立てで置かれているので、初読では飛ばして手順と R の実行例を先に追い、必要になった段階で戻る読み方ができます。実装は R 言語 で、付録に有用な R パッケージの一覧があり、Python で運用したい人は手法の理解を本書で固めてから移植する形になります。数式を避けたい読者向けの節が第 8 章の冒頭にあるとはいえ全体は数式ベースなので、数式に不安があれば 機械学習に必要な数学の本 を先に挟むのが現実的です。刊行は 2015 年 3 月で、目次上、深層学習を用いた異常検知の章はなく、発展的な知識を得るための節が第 8 章末に置かれています。特定の製品やクラウドの監視サービスの設定手順を求める人にも、本書は目的が異なります。版元サイトには正誤表と著者サポートページが用意されています。

センサーデータの監視やシステムログの異常判定、品質管理の外れ値検出といった課題を抱えていて、既存ツールの警報が信用できない理由を自分で説明できるようになりたい技術者 / 研究者にとって、本書は手法の前提と限界まで含めた判断基準を与えてくれる、投じた時間の回収が長く続く一冊です。版元サイトで刊行から時間を経てもロングセラーとして分類されている (2026 年 9 月時点) ことは、この体系的な整理が価値を保っている裏付けと言えます。手元のデータが正規分布から外れているのか、時系列なのか、入出力の関係を持つのかを見極めながら、該当する章から R で試していく使い方が最も元が取れます。