![](https://cdn-ak-scissors.b.st-hatena.com/image/square/78f876fbf0ef3b7d7621bd44ded9362dff0c7e17/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB0YW5ha2FfYmVua3lvJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1kOWFjNjJkY2NhOTNhY2U1OGU3YjljMDNmMGIxNWM5ZQ%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D722d5882e6d03cd68e97bb499714cc79)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
pythonで「入門 機械学習による異常検知」を読む1 正規分布に従うデータからの異常検知 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
pythonで「入門 機械学習による異常検知」を読む1 正規分布に従うデータからの異常検知 - Qiita
「入門 機械学習による異常検知」はRで書かれた異常検知の本です。 今回は実装部分をpythonで書き直して... 「入門 機械学習による異常検知」はRで書かれた異常検知の本です。 今回は実装部分をpythonで書き直していこうと思います。 個人的な勉強のメモ書きとなります。 導出や詳細などは「入門 機械学習による異常検知」を読んでいただければと思います。 1. 異常検知手順の流れ 準備 $M$次元の観測値が$N$個手元にあると仮定する。 データをまとめて$D$という記号で表し、この中には異常な観測値が含まれていないか、含まれていたとしてもその影響は無視できると仮定する。 $$ D={\boldsymbol{x}^{(1)},\boldsymbol{x}^{(2)},\cdots,\boldsymbol{x}^{(N)}} $$ ステップ1(分布推定) データの性質に応じた適切な確率分布のモデルを仮定する。 パラメータを$\boldsymbol{\theta}$という記号で表す。 分布推定の問題とは、$