時系列データにおける異常検知 - 株式会社カブクはじめに カブクで機械学習エンジニアをしている大串正矢です。今回は時系列データにおける異常検知について書きます。 背景 時系列データの異常検知の手法は多種多様に存在していますがウェブ上にまとまった情報が日本語でないため記述することにしました。以前に記述した異常検知の基礎に異常検知の基礎的な内容が記述されているのでその内容を踏まえた上で読んで頂けると理解がしやすいと思います。 時系列データにおける異常検知手法 通常の異常検知手法との違いは時系列データなのでデータが独立ではなくデータ間に依存性が存在することです。前回紹介した手法はデータが独立であることを仮定しているため使用できません。 異なる手法が必要になります。 代表的な手法を下記に記述します。 動的時間伸縮法 利点：シンプル 欠点：ノイズに弱い 特異スペクトル変換 利点：ノイズに頑健 欠点：計算コストが高い 自己回帰モデル 利点：周期性が
