Anomaly Detection in Python

データ分析における異常を見つける

ほぼすべてのデータセットには極端な値や異常値が含まれており、統計的な分析を続ける前にそれらを検出して対処することが重要です。 手を加えずに放置すると、異常値は分析を簡単に乱し、機械学習モデルの性能を歪める可能性があります。

Isolation ForestやLocal Outlier Factorのような推定器の使い方を学ぶ

このコースでは、Pythonを活用してさまざまな異常検知手法を実装します。 極端値を視覚的に見つけ出し、単変量データセットに対しては中央値絶対偏差のような実証済みの統計手法を活用します。 多変量データについては、Isolation Forest、k-Nearest-Neighbors、Local Outlier Factor などの推定器の使い方を学びます。 さらに、複数の外れ値分類器をアンサンブルして、低リスクの最終推定器を構築する方法も学びます。 Pythonを使った異常検知という、データサイエンスに欠かせないツールを身につけられます。

Pythonの統計ツールキットを拡張しよう

より優れた異常検知は、データの理解を深め、特にシステムの挙動に関する根本原因分析とコミュニケーションをより良くします。 既存のPythonスキルにこのスキルを加えることで、データのクレンジング、不正検知、システム障害の特定に役立ちます。