FindAnomalies

FindAnomalies[{example1,example2,…}]

他の例との関連で異常であるとみなされる exampleiのリストを与える．

FindAnomalies[examples,prop]

異常性の計算に関連する指定された特性を与える．

FindAnomalies[examples,{prop1,prop2,…}]

特性 propiを与える．

FindAnomalies[fun,data]

与えられたAnomalyDetectorFunction[…]あるいはLearnedDistribution[…]を使って data 中の異常を求める．

FindAnomalies[fun,data,props]

異常性の計算と関連する特性を与える．

詳細とオプション

  • FindAnomaliesは，数値，名義，画像等のさまざまなデータ型に使うことができる．
  • 各 exampleiは，単一のデータ要素，データ要素のリスト，あるいはデータ要素の連想でよい．例はDatasetオブジェクトとして与えることもできる．
  • FindAnomaliesは，異常（つまり「分布から外れる」例）を検出するために，異常がないデータの分布をモデル化しようとする．例のRarerProbabilityがAcceptanceThresholdで指定された値よりも低いとき，その例は異常であるとみなされる．
  • FindAnomalies[AnomalyDetectorFunction[…],data]の data が検出器の訓練例と同じ分布からのもののとき，AcceptanceThresholdは異常検出の偽陽性率に相当する．
  • 次は， FindAnomalies[…,props]の使用可能な特性である．
  • "Anomalies"異常とみなされた例
    "AnomalyCount"異常とみなされた例の数
    "AnomalyBooleanList"例が異常かどうかを示すブール値
    "AnomalyPositions"異常な位置のリスト
    "AnomalyRarerProbabilities"異常な例のよりまれな確率
    "NonAnomalies"異常ではないとみなされた例
    "RarerProbabilities"データよりも低いPDFでサンプルを生成する確率
  • 次のオプションが与えられる：
  • AcceptanceThreshold 0.001例を異常であるとみなすRarerProbability閾値
    FeatureExtractorIdentity学習する特徴をどのように抽出するか
    FeatureNamesAutomatic入力データに割り当てる特徴名
    FeatureTypesAutomatic入力データに仮定する特徴タイプ
    Method Automaticどのモデリングアルゴリズムを使用するか
    PerformanceGoal Automatic最適化するパフォーマンスの局面
    RandomSeeding1234擬似乱数生成器の内部的シードをどのように行うか
    TimeGoal Automatic検出器の訓練にどの程度の時間を費やするか
    TrainingProgressReporting Automatic訓練中の進捗状況をどのように報告するか
    ValidationSetAutomatic訓練中にモデルの評価に使うデータ集合
  • 次は，PerformanceGoalの可能な設定である．
  • "Quality"検出器のモデリング品質を最高にする
    "Speed"異常を検出するスピードを最高にする
    Automaticスピード，品質，メモリの自動トレードオフ
    {goal1,goal2,…}goal1，goal2等を自動的に結合する
  • Methodの可能な設定はLearnDistribution[…]で与えられるものと同じである．
  • 次は，TrainingProgressReportingの使用可能な設定である．
  • "Panel"動的に更新されるグラフィカルなパネルを表示する
    "Print"Printを使って定期的に情報を報告する
    "ProgressIndicator"単純なProgressIndicatorを表示する
    "SimplePanel"学習曲線なしでパネルを動的に更新する
    None情報は何も報告しない
  • FindAnomalies[…,FeatureExtractor"Minimal"]は，内部的な前処理ができるだけ簡単に行われるべきであることを示す．

例題

すべて開くすべて閉じる

例  (3)

数値データ集合の異常な例を求める：

数値変数と名義変数を含むデータ集合の異常な例を求める：

与えられた分布に従って100の色を生成する：

分布から外れた色を加え，その検出を試みる：

スコープ  (3)

色について分布を訓練する：

訓練した分布を使って異常を求める：

擬似実数乱数の二次元配列でAnomalyDetectorFunctionを訓練する：

訓練済みのAnomalyDetectorFunctionを使って新たな例の中の異常なものを求める：

検出器関数を使って，異常値，その対応する位置，通常の例を求める：

画像の訓練と検証のためのデータ集合のランダムなサンプルを入手する：

異常な例を加えてデータ集合が間違いを含むようにする：

分布を画像で訓練する：

訓練済みの分布を使って検証集合中の異常な例を求める：

オプション  (5)

AcceptanceThreshold  (1)

ランダムな3Dベクトルとその異常値を作成して可視化する：

異常な例を求めて可視化する：

AcceptanceThresholdを指定して異常検出の偽陽性率を変える：

Method  (1)

画像のデータ集合を入手する：

「分布から外れた」例をデータ集合に加える：

データ集合中の異常値を"Multinormal"法を使って求める：

データ集合中の異常値を"KernelDensityEstimation"法を使って求める：

PerformanceGoal  (1)

画像のデータ集合を入手する：

PerformanceGoalを指定して，データ集合中で最も珍しい上位1パーセンタイルの例を求める：

データ集合中で最も珍しい例をデフォルトのPerformanceGoalで求める：

TimeGoal  (1)

画像のデータ集合を入手し，目標時間を指定して最も珍しいものを求める：

目標時間を変えて，最も珍しい例を求める：

TrainingProgressReporting  (1)

画像のデータ集合を入手する：

訓練の進捗状況を，プロットはせずにインタラクティブに表示する：

訓練中に訓練の進捗状況を定期的に出力する：

簡単な進捗インジケータを表示する：

アプリケーション  (4)

画像のデータ集合を得る：

データ中の最も珍しい例を約0.1パーセンタイルで求める：

画像のデータ集合を得る：

異常な例を検定集合に加える：

異常検出器を訓練集合で訓練する：

検定集合中の異常な例を求める：

木星の衛星の特徴についてのデータ集合を入手する：

データ集合中の異常な例を求める：

RarerProbability閾値の値を高くして異常な例を求める：

与えられた時系列の時点と値のペアを得る：

時点と値のペアを連続する窓のリストに分割する：

異常な事象を求めようと試み，それを可視化する：

Wolfram Research (2019), FindAnomalies, Wolfram言語関数， https://reference.wolfram.com/language/ref/FindAnomalies.html （2020年に更新）.

テキスト

Wolfram Research (2019), FindAnomalies, Wolfram言語関数， https://reference.wolfram.com/language/ref/FindAnomalies.html （2020年に更新）.

CMS

Wolfram Language. 2019. "FindAnomalies." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2020. https://reference.wolfram.com/language/ref/FindAnomalies.html.

APA

Wolfram Language. (2019). FindAnomalies. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/FindAnomalies.html

BibTeX

@misc{reference.wolfram_2024_findanomalies, author="Wolfram Research", title="{FindAnomalies}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/FindAnomalies.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_findanomalies, organization={Wolfram Research}, title={FindAnomalies}, year={2020}, url={https://reference.wolfram.com/language/ref/FindAnomalies.html}, note=[Accessed: 22-November-2024 ]}