Tokyo.Rに行ってきた - いまんとこの最適解
Tokyo.R勉強会に行ってきました。 内容盛り沢山で、刺激的ですね。 個人的には時系列分析を行うxtsパッケージとgoogleVisとの連携が実践的に使えそうに思いました。 xts(zoo）のローリング機能はリサーチ（POS等の小売データなど）では有用ですし、googlevisとの連携は顧客によってはレポートとして魅力的ですね。 =＝＝＝＝＝＝＝＝＝＝＝＝＝＝（以下メモ）=＝＝＝＝＝＝＝＝＝＝＝＝＝＝ ○生存時間分析 -2種類の打ち切り（censered data) -ハザード関数 -ノンパラ、セミノンパラ、パラメト（共変量、分布の過程） -ノンパラ：確率分布を仮定しない（共変量、分布仮定しない） -経験分布（カプランマイヤー）、ハザード関数 -survival -surv,survfit -信頼区間推定→群間差分の検討？なのか？ -セミノンパラ：コックス比例ハザード -複数共変量の検討
異常行動検出入門 – 行動データ時系列のデータマイニング –
3. AGENDA ● 自己紹介 ● 異常行動検出 ● サイバー犯罪の検出 ● ナイーブベイズによる異常行動検出 ● 異常行動検出エンジン AccessTracer ● 応用例 ● 最後に
Tokyo r15 異常検知入門
12. 自己紹介 ● 名前 : 里 洋平 ● ID : yokkuns ● 職業 : データマイニングエンジニア
時系列分析による異常検知入門
2. AGENDA ● 自己紹介 ● 異常検知とは ● 3つの異常検知 ● 変化点検出 ● グラフ時系列の異常検知 ● 最後に
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
異常検出
尤度ヒストグラムに基づく異常検出 | CiNii Research
リアルタイム解析 -スパイク・発作検出-
リアルタイムバースト検出手法の提案 | 日本データベース学会論文誌
