疎構造学習による異常検知を実装してみた - Qiita

製造業出身のデータサイエンティストがお送りする記事 今回は製造業で使える異常検知手法を実装し整理しました。 はじめに 前回の異常検知手法（MSPC）に引続き、今回は疎構造学習による異常検知手法を整理しました。 疎構造学習による異常検知とは 異常検知手法として有名なホテリングの$T^2$法や$MSPC$は平均値が変化しないデータの監視をする時に用いる手法です。 一方、製造現場では必ずしもそのようなデータばかりではなく、変数間に一定の関係性を保ちながら値が変化するデータ構造の設備や操業データがあるかと思います。その時に変数間の関係（相関関係、等）に着目した異常検知手法の一つに疎構造学習による異常検知手法があります。 手法の概要 1. 変数間の相関関係を求めるために、データの背後に多変量正規分布を仮定し、精度行列（共分散行列の逆数）を求めます。 2. 実データでは意味のある相関関係のみを抽出する