【いじょうけんち】
異常検知 とは？
最終更新:
💡 データの「いつもと違う」を見つける
通常の傾向から外れるデータを見つける技術。正常例で学ぶ方法、外れ値との違い、判定しきい値と誤報・見逃し、運用中の変化を解説します。
📌 このページのポイント
- 通常の傾向から外れる観測を、確認する候補として見つける
- 統計・ルール・機械学習等、複数の方法がある
- 正常例で学ぶ方法と、異常を含むデータを調べる方法を区別する
- 判定結果を、誤報・見逃しと用途に合わせて評価する
ひよこ 異常検知は、何を見つけるの？
ペンギン先生 通常の傾向から外れるデータだよ。たとえば設備の温度や振動が普段と違うときに、確認する候補として知らせる。珍しいデータを見つけることと、故障や不正を確定することは別なんだ。
ひよこ AIでなければ、できない？
ペンギン先生 ルールや統計の方法もあるよ。決めた範囲を超える値を見たり、過去の傾向と比べたりする。機械学習も選択肢で、何を入力にするか、どう評価するかを目的に合わせて選ぶんだ。
ひよこ 正常なデータだけで学ぶの？
ペンギン先生 その方法もあるよ。scikit-learnでは、異常を含まない学習データを基に新しい観測を調べるものをnovelty detection、異常が混じるデータから外れた観測を見つけるものをoutlier detectionと区別する。両方が異常検知に使われるんだ。
ひよこ どこからを異常とする？
ペンギン先生 モデルが出すスコアや決めた基準に、しきい値を置くよ。図は「異常度が高いほど異常寄り」で、しきい値以上を候補にする例。数値の意味や向きは方法によるので、使うモデルの仕様も確認しよう。
ひよこ 候補を多く見つければ、良い？
ペンギン先生 正常なものを異常とする誤報と、実際の異常を見逃す場合の両方を考えよう。図の方式なら、しきい値を下げると候補は増え、上げると減る。ラベルや確認結果と照合し、確認にかかる負担と見逃しの影響も見て調整するんだ。
もっと詳しく知りたい人へ
異常なスコアは、不正の確率？
必ずしも確率ではありません。スコアの範囲や向き、しきい値の意味は方法ごとに違います。外れた観測が正当な変化や測定ミスの場合もあるため、原因の確認と必要な対応を分けます。
一度決めた基準を、そのまま使える？
利用状況や設備、季節、データの取り方等が変わると、普段の傾向も変わる場合があります。運用中の確認結果と誤報・見逃しを見直します。評価用と学習用を分け、学習したデータだけで精度を判断しないようにします。
まとめ：ざっくりこれだけ覚えればOK！
「異常検知」って出てきたら「データの中から、いつもと違うものを見つける技術」と思えばだいたいOK！
📖 おまけ：英語の意味
「Anomaly Detection」 ＝ 異常の検出
💬 Anomalyは通常から外れるもの、Detectionは検出です。珍しい観測が、必ず故障や不正を意味するとは限りません。何を確認したいかを定義して使います。