扉・はじめに・目次 第0章 機械学習と異常検知 0.1 異常検知とは? 1 異常検知の定義 2 異常検知におけるデータの分類と手法の選択 3 異常検知の活用例 0.2 本書の意義と構成 第1章 機械学習と統計解析の基本モデル 1.1 機械学習と誤差関数 1 教師あり学習と教師なし学習 2 誤差δと誤差関数L 3 バイアス(平均)とバリアンス(分散) 4 誤差関数と異常検知 1.2 機械学習と統計解析の比較 1 類似性 2 相違性 1.3 教師あり学習──分類と回帰 1 回帰とはなにか 2 分類とはなにか 3 統計モデルと代表的なアルゴリズム 4 機械学習モデルと代表的なアルゴリズム 1.4 教師なし学習──特徴抽出・クラスタリング・次元削減 1 次元削減とクラスタリングの等価性 2 1重行列による次元削減(主成分分析) 3 多重行列による次元削減 4 統計分布による次元削減(t-SNE)
![Pythonによる異常検知 | Ohmsha](https://cdn-ak-scissors.b.st-hatena.com/image/square/dabff36bf3ebd4cefe22c8880e8498b26591e0dc/height=288;version=1;width=512/https%3A%2F%2Fwww.ohmsha.co.jp%2FPortals%2F0%2Fbook%2Flarge%2F978-4-274-22541-3.jpg)