Submit Search
Upload
Tfug20181105
•
Download as PPTX, PDF
•
1 like
•
803 views
Natsutani Minoru
Follow
isolation forest
Read less
Read more
Engineering
Report
Share
Report
Share
1 of 22
Download now
Recommended
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
Ryosuke Okuta
2016/7/23 第9回科学技術におけるロボット教育シンポジウムでの発表スライドです。
Amazon Picking Challenge 結果報告
Amazon Picking Challenge 結果報告
Preferred Networks
PFI PFNセミナー 2016/07/14 結果報告とシステム構成の説明
エンターブライズIoTLT vol.17 LT6 センサを大量に取得するデモ
エンターブライズIoTLT vol.17 LT6 センサを大量に取得するデモ
t-inuo
https://iotlt.connpass.com/event/151306/
音声ポストプロダクションの機械化
音声ポストプロダクションの機械化
Naoya_Sato
多くの人手を割く必要のあった音声ポスプロ作業を細分化し、深層学習を利用することで作業効率と品質向上に寄与させるアプローチ方法を紹介します。
neural network introduction yapc asia tokyo
neural network introduction yapc asia tokyo
Daichi Morifuji
Introduction about neural network background neuron, cortex, and algorithms.
形態素解析の実装言語Talk パネルディスカッション
形態素解析の実装言語Talk パネルディスカッション
JustSystems Corporation
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Shohei Hido
「エッジ・ヘビー・コンピューティングを実現するソフトウェア」 INTEROP 2016 Tokyoで発表した資料です。
Pythonにおけるデバッガツールpdbについて
Pythonにおけるデバッガツールpdbについて
Ryota Sakamoto
Pythonにおけるデバッガツールpdbについて
Recommended
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
Ryosuke Okuta
2016/7/23 第9回科学技術におけるロボット教育シンポジウムでの発表スライドです。
Amazon Picking Challenge 結果報告
Amazon Picking Challenge 結果報告
Preferred Networks
PFI PFNセミナー 2016/07/14 結果報告とシステム構成の説明
エンターブライズIoTLT vol.17 LT6 センサを大量に取得するデモ
エンターブライズIoTLT vol.17 LT6 センサを大量に取得するデモ
t-inuo
https://iotlt.connpass.com/event/151306/
音声ポストプロダクションの機械化
音声ポストプロダクションの機械化
Naoya_Sato
多くの人手を割く必要のあった音声ポスプロ作業を細分化し、深層学習を利用することで作業効率と品質向上に寄与させるアプローチ方法を紹介します。
neural network introduction yapc asia tokyo
neural network introduction yapc asia tokyo
Daichi Morifuji
Introduction about neural network background neuron, cortex, and algorithms.
形態素解析の実装言語Talk パネルディスカッション
形態素解析の実装言語Talk パネルディスカッション
JustSystems Corporation
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Shohei Hido
「エッジ・ヘビー・コンピューティングを実現するソフトウェア」 INTEROP 2016 Tokyoで発表した資料です。
Pythonにおけるデバッガツールpdbについて
Pythonにおけるデバッガツールpdbについて
Ryota Sakamoto
Pythonにおけるデバッガツールpdbについて
「実ロボットの運動生成」
「実ロボットの運動生成」
Yurika Doi
全脳アーキテクチャ若手の会15回勉強会 「実ロボットの運動生成」
音響システム特論 第11回 実環境における音響信号処理と機械学習
音響システム特論 第11回 実環境における音響信号処理と機械学習
Yuma Koizumi
東京大学大学院 音響システム特論講義資料
ストリーム処理とSensorBee
ストリーム処理とSensorBee
Daisuke Tanaka
ストリーム処理の概要と、SensorBeeでの実現の解説資料です。
Open-hardware and Japan
Open-hardware and Japan
Shigeru Kobayashi
The slides for the talk at The New Context Conference 2012 Tokyo. http://ncc.garage.co.jp
SensorBee: Stream Processing Engine in IoT
SensorBee: Stream Processing Engine in IoT
Daisuke Tanaka
Stream Processing Casual Talks #1 at Yahoo! JAPAN http://connpass.com/event/35264/ にて使用したスライドです。
FPGA Traxコンテストについて
FPGA Traxコンテストについて
Yasunori Osana
2015.6 の RECONF 研のスライドです。 9月開催の Trax コンテストのルール・通信プロトコル・レギュレーションなどについて解説しています。
Make @ Osaka
Make @ Osaka
Shigeru Kobayashi
Hello world(kari)
Hello world(kari)
chouett0
Hello World(kari)
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
Preferred Networks
東北大学情報科学研究科における産学連携講義(2019/01/17)の資料です。 ロボットを使うための自然なインターフェースへの取り組みの紹介と、PFNが目指すパーソナルロボット事業について紹介しました。
組込みシステムでIoTへの扉を開こう! mruby on LEGO Mindstorms EV3 (R)
組込みシステムでIoTへの扉を開こう! mruby on LEGO Mindstorms EV3 (R)
Takehiko YOSHIDA
LEGO Mindstorms EV3をmrubyで制御
SensorBeeの紹介
SensorBeeの紹介
Shuzo Kashihara
第2回分散システム勉強会
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
Preferred Networks
SORACOM主催 IoT Technology Conference if-up 2017 発表資料
GTC Japan 2018 Inception Award 登壇資料( LiLz Inc. )
GTC Japan 2018 Inception Award 登壇資料( LiLz Inc. )
LiLz Inc.
NVIDIA GTC Japan 2018 Inception Award 登壇資料(LiLz Inc.)
Rakuten20181027
Rakuten20181027
Natsutani Minoru
Rakuten Technology Conference in 名古屋
Nakahara_ACRi_panel-discussion_25_march2021
Nakahara_ACRi_panel-discussion_25_march2021
直久 住川
第1回ACRi討論会 ポストムーア時代の未来予想 招待パネリスト:東京工業大学 工学院 情報通信系 准教授 中原啓貴先生
Storage-JAWS #2登壇資料:きみは偉大な先輩Cloud Volumes ONTAPを知っているか?
Storage-JAWS #2登壇資料:きみは偉大な先輩Cloud Volumes ONTAPを知っているか?
ssuser935fd7
比べてわかるFSx for NetApp ONTAPのスゴさ SnapLock:Compliance Clock編 Storage-JAWS #2登壇資料
Nagosta 20181020
Nagosta 20181020
Natsutani Minoru
なごスタ発表資料
perfを使ったPostgreSQLの解析(前編)
perfを使ったPostgreSQLの解析(前編)
Daichi Egawa
PreadNet
PreadNet
Junya Kuwada
PredNet on Chainer https://github.com/quadjr/PredNet
DSF2018講演スライド
DSF2018講演スライド
Hiroki Nakahara
Design Solution Forum 2018の講演で使用したスライドです。
Pynqでカメラ画像をリアルタイムfastx コーナー検出
Pynqでカメラ画像をリアルタイムfastx コーナー検出
marsee101
PYNQボードでカメラ画像をリアルタイムにFASTXコーナー検出、ラプラシアンフィルタ、アンシャープ・マスキング・フィルタをかけてディスプレイに出力するデモです。
皆さん!ふくてんが来ましたよ!!
皆さん!ふくてんが来ましたよ!!
ru pic
Fukuoka.LTのふくてん紹介資料です
More Related Content
What's hot
「実ロボットの運動生成」
「実ロボットの運動生成」
Yurika Doi
全脳アーキテクチャ若手の会15回勉強会 「実ロボットの運動生成」
音響システム特論 第11回 実環境における音響信号処理と機械学習
音響システム特論 第11回 実環境における音響信号処理と機械学習
Yuma Koizumi
東京大学大学院 音響システム特論講義資料
ストリーム処理とSensorBee
ストリーム処理とSensorBee
Daisuke Tanaka
ストリーム処理の概要と、SensorBeeでの実現の解説資料です。
Open-hardware and Japan
Open-hardware and Japan
Shigeru Kobayashi
The slides for the talk at The New Context Conference 2012 Tokyo. http://ncc.garage.co.jp
SensorBee: Stream Processing Engine in IoT
SensorBee: Stream Processing Engine in IoT
Daisuke Tanaka
Stream Processing Casual Talks #1 at Yahoo! JAPAN http://connpass.com/event/35264/ にて使用したスライドです。
FPGA Traxコンテストについて
FPGA Traxコンテストについて
Yasunori Osana
2015.6 の RECONF 研のスライドです。 9月開催の Trax コンテストのルール・通信プロトコル・レギュレーションなどについて解説しています。
Make @ Osaka
Make @ Osaka
Shigeru Kobayashi
Hello world(kari)
Hello world(kari)
chouett0
Hello World(kari)
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
Preferred Networks
東北大学情報科学研究科における産学連携講義(2019/01/17)の資料です。 ロボットを使うための自然なインターフェースへの取り組みの紹介と、PFNが目指すパーソナルロボット事業について紹介しました。
組込みシステムでIoTへの扉を開こう! mruby on LEGO Mindstorms EV3 (R)
組込みシステムでIoTへの扉を開こう! mruby on LEGO Mindstorms EV3 (R)
Takehiko YOSHIDA
LEGO Mindstorms EV3をmrubyで制御
SensorBeeの紹介
SensorBeeの紹介
Shuzo Kashihara
第2回分散システム勉強会
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
Preferred Networks
SORACOM主催 IoT Technology Conference if-up 2017 発表資料
What's hot
(12)
「実ロボットの運動生成」
「実ロボットの運動生成」
音響システム特論 第11回 実環境における音響信号処理と機械学習
音響システム特論 第11回 実環境における音響信号処理と機械学習
ストリーム処理とSensorBee
ストリーム処理とSensorBee
Open-hardware and Japan
Open-hardware and Japan
SensorBee: Stream Processing Engine in IoT
SensorBee: Stream Processing Engine in IoT
FPGA Traxコンテストについて
FPGA Traxコンテストについて
Make @ Osaka
Make @ Osaka
Hello world(kari)
Hello world(kari)
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
組込みシステムでIoTへの扉を開こう! mruby on LEGO Mindstorms EV3 (R)
組込みシステムでIoTへの扉を開こう! mruby on LEGO Mindstorms EV3 (R)
SensorBeeの紹介
SensorBeeの紹介
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
Similar to Tfug20181105
GTC Japan 2018 Inception Award 登壇資料( LiLz Inc. )
GTC Japan 2018 Inception Award 登壇資料( LiLz Inc. )
LiLz Inc.
NVIDIA GTC Japan 2018 Inception Award 登壇資料(LiLz Inc.)
Rakuten20181027
Rakuten20181027
Natsutani Minoru
Rakuten Technology Conference in 名古屋
Nakahara_ACRi_panel-discussion_25_march2021
Nakahara_ACRi_panel-discussion_25_march2021
直久 住川
第1回ACRi討論会 ポストムーア時代の未来予想 招待パネリスト:東京工業大学 工学院 情報通信系 准教授 中原啓貴先生
Storage-JAWS #2登壇資料:きみは偉大な先輩Cloud Volumes ONTAPを知っているか?
Storage-JAWS #2登壇資料:きみは偉大な先輩Cloud Volumes ONTAPを知っているか?
ssuser935fd7
比べてわかるFSx for NetApp ONTAPのスゴさ SnapLock:Compliance Clock編 Storage-JAWS #2登壇資料
Nagosta 20181020
Nagosta 20181020
Natsutani Minoru
なごスタ発表資料
perfを使ったPostgreSQLの解析(前編)
perfを使ったPostgreSQLの解析(前編)
Daichi Egawa
PreadNet
PreadNet
Junya Kuwada
PredNet on Chainer https://github.com/quadjr/PredNet
DSF2018講演スライド
DSF2018講演スライド
Hiroki Nakahara
Design Solution Forum 2018の講演で使用したスライドです。
Pynqでカメラ画像をリアルタイムfastx コーナー検出
Pynqでカメラ画像をリアルタイムfastx コーナー検出
marsee101
PYNQボードでカメラ画像をリアルタイムにFASTXコーナー検出、ラプラシアンフィルタ、アンシャープ・マスキング・フィルタをかけてディスプレイに出力するデモです。
皆さん!ふくてんが来ましたよ!!
皆さん!ふくてんが来ましたよ!!
ru pic
Fukuoka.LTのふくてん紹介資料です
Kinoma Element 味見の会
Kinoma Element 味見の会
Shingo Fukui
Kinoma Elementでどんなことができるか味見する会のスライド
Example using LattePanda
Example using LattePanda
Hirokazu Egashira
2017/08/07(mon)html5jロボット部勉強会の発表資料です
FPGA, AI, エッジコンピューティング
FPGA, AI, エッジコンピューティング
Hideo Terada
・最近ますます面白くなっている、FPGA開発技法など動向の紹介 ・FPGAをつかったディープラーニングGANの実証実験 ・エッジコンピューティングの考え方と、FPGAの活用について
Kaggleのテクニック
Kaggleのテクニック
Yasunori Ozaki
Kaggleのあるコンテンストの優勝者が作ったモデルをケーススタディとして、kaggleテクニックを解説します。特にStackingを中心に解説しています。CNNにはあえて触れませんでした。また、t-SNEやxgboostの概略にも触れました。
Telloをarマーカーで操作する
Telloをarマーカーで操作する
ssuser81580e
ITmaturi
Ruby で ffmpeg の filter_complex と戯れる話
Ruby で ffmpeg の filter_complex と戯れる話
ssuser551c92
Ruby で ffmpeg の filter_complex と戯れる話
Ruby で ffmpeg の filter_complex と戯れる話
Ruby で ffmpeg の filter_complex と戯れる話
Yoshikazu Kawashima
Ruby で ffmpeg の filter_complex と戯れる話
ACRiウェビナー_ChipTip Technology様ご講演資料
ACRiウェビナー_ChipTip Technology様ご講演資料
直久 住川
第7回ACRiウェビナー:ChipTip Technology様ご講演資料 「クラウドFPGAのこれから」
NW-DIY で開拓したい社会
NW-DIY で開拓したい社会
啓章 加嶋
カーネルを知らなくても FPGA/ASIC を知らなくてもネットワークコードを改造できる基盤 NW-DIY の紹介です。「技術的に難しい」なんて気にせず、一緒にオレオレ通信プロトコルを作りましょう。
Igai san gpu-dl_community_12
Igai san gpu-dl_community_12
Hirokuni Uchida
GDLC12
Similar to Tfug20181105
(20)
GTC Japan 2018 Inception Award 登壇資料( LiLz Inc. )
GTC Japan 2018 Inception Award 登壇資料( LiLz Inc. )
Rakuten20181027
Rakuten20181027
Nakahara_ACRi_panel-discussion_25_march2021
Nakahara_ACRi_panel-discussion_25_march2021
Storage-JAWS #2登壇資料:きみは偉大な先輩Cloud Volumes ONTAPを知っているか?
Storage-JAWS #2登壇資料:きみは偉大な先輩Cloud Volumes ONTAPを知っているか?
Nagosta 20181020
Nagosta 20181020
perfを使ったPostgreSQLの解析(前編)
perfを使ったPostgreSQLの解析(前編)
PreadNet
PreadNet
DSF2018講演スライド
DSF2018講演スライド
Pynqでカメラ画像をリアルタイムfastx コーナー検出
Pynqでカメラ画像をリアルタイムfastx コーナー検出
皆さん!ふくてんが来ましたよ!!
皆さん!ふくてんが来ましたよ!!
Kinoma Element 味見の会
Kinoma Element 味見の会
Example using LattePanda
Example using LattePanda
FPGA, AI, エッジコンピューティング
FPGA, AI, エッジコンピューティング
Kaggleのテクニック
Kaggleのテクニック
Telloをarマーカーで操作する
Telloをarマーカーで操作する
Ruby で ffmpeg の filter_complex と戯れる話
Ruby で ffmpeg の filter_complex と戯れる話
Ruby で ffmpeg の filter_complex と戯れる話
Ruby で ffmpeg の filter_complex と戯れる話
ACRiウェビナー_ChipTip Technology様ご講演資料
ACRiウェビナー_ChipTip Technology様ご講演資料
NW-DIY で開拓したい社会
NW-DIY で開拓したい社会
Igai san gpu-dl_community_12
Igai san gpu-dl_community_12
More from Natsutani Minoru
スモールデータ勉強会発表資料(2024年6月10日)公開用 夏谷実 @natsutan
スモールデータ勉強会発表資料(2024年6月10日)公開用 夏谷実 @natsutan
Natsutani Minoru
スモールデータ社内勉強会の資料です。
robotics42.pptx
robotics42.pptx
Natsutani Minoru
第42回ロボティクス勉強会
自作プログラミング言語の集い
自作プログラミング言語の集い
Natsutani Minoru
自作の Deep Learningランタイムを作ろう!
200821 swest
200821 swest
Natsutani Minoru
Qumicoを使ったEdge AIの最新情報。AutoML、LSTM対応 ~ ColabやLabelboxを使ったリモート時代の組込AI開発、人材育成。
Kyoto devcafe
Kyoto devcafe
Natsutani Minoru
withコロナでリモートエンジニアになった俺たちの話
TFLiteのグラフ構造について
TFLiteのグラフ構造について
Natsutani Minoru
FLiteのグラフ構造は、普通の計算グラフのようにOP(計算)を並べるのでは無く、OPと変数を交互に並べます。ちょっと疑問に思ったので、理由を調べてみました。
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
Natsutani Minoru
GDG DevFest Osaka 2019
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
Natsutani Minoru
Rakuten Technology Conference 2019での発表資料
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
Natsutani Minoru
関西オープンソースフォーラム2019での発表
Interpretable ml
Interpretable ml
Natsutani Minoru
TFUG KANSAI meetupでの発表
不足するAI人材に対する「パソナテックの人材育成ソリューション」
不足するAI人材に対する「パソナテックの人材育成ソリューション」
Natsutani Minoru
2019年 パソナHRフォーラム(大阪)での発表資料です
ML meetup20190327
ML meetup20190327
Natsutani Minoru
ML meetupでの講演
Kyoto dev caffe
Kyoto dev caffe
Natsutani Minoru
レガシー勉強会にて LT資料
Kof
Kof
Natsutani Minoru
KOF2018で発表予定だった資料
Road damge ai
Road damge ai
Natsutani Minoru
AIを用いた道路の故障検出
パソナテックのAI人材育成の取り組みのご紹介
パソナテックのAI人材育成の取り組みのご紹介
Natsutani Minoru
Aiコミュニティ@FGNでの発表
Fpgax20180217
Fpgax20180217
Natsutani Minoru
第10回 FPGAXの発表資料
なにわテック20180127
なにわテック20180127
Natsutani Minoru
なにわテック祭りの発表資料
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
Natsutani Minoru
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
コキュートスDsf
コキュートスDsf
Natsutani Minoru
DSF2017での発表資料
More from Natsutani Minoru
(20)
スモールデータ勉強会発表資料(2024年6月10日)公開用 夏谷実 @natsutan
スモールデータ勉強会発表資料(2024年6月10日)公開用 夏谷実 @natsutan
robotics42.pptx
robotics42.pptx
自作プログラミング言語の集い
自作プログラミング言語の集い
200821 swest
200821 swest
Kyoto devcafe
Kyoto devcafe
TFLiteのグラフ構造について
TFLiteのグラフ構造について
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
AutoMLとQumicoを使って、ラズパイでディープラーニングを動かす話
Interpretable ml
Interpretable ml
不足するAI人材に対する「パソナテックの人材育成ソリューション」
不足するAI人材に対する「パソナテックの人材育成ソリューション」
ML meetup20190327
ML meetup20190327
Kyoto dev caffe
Kyoto dev caffe
Kof
Kof
Road damge ai
Road damge ai
パソナテックのAI人材育成の取り組みのご紹介
パソナテックのAI人材育成の取り組みのご紹介
Fpgax20180217
Fpgax20180217
なにわテック20180127
なにわテック20180127
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
コキュートスDsf
コキュートスDsf
Tfug20181105
1.
Isolation Forestについて 株式会社パソナテック IoEソリューション事業部 Qumicoプロダクトマネージャー 夏谷 実 1 2018年11月5日 NN論文を肴に酒を飲む会
#7
2.
2 自己紹介
3.
自己紹介 夏谷実 株式会社パソナテック
株式会社パソナテック IoEソリューション事業部 TFUG KANSAI 最近はデータサイエンティスト? 半導体もやります。 FPGAが好き プログラミングも好き 好きな言語 C, Tcl/Tk, Common Lisp, Scheme(Gauche), Python, F#, Rust Deep Learningも好き 3
4.
過去の経歴 4 カメラで橋を撮影 動画 静止画 f(x) 画像処理+ 統計処理 結果確認・レポート
5.
Deep Leaningのすごさ 5 従来の手法の特徴 エッジ強調 二値化 動的フィルター 特徴点抽出 パターンマッチング ダメージ検出 ひび割れ検出 白線かすれ検出 ①見つけたい対象によってアルゴリズムが違う ②入力には高解像度の画像が必要 ③精度が撮影条件に左右される。 天気、距離、撮影者など・・・ 4K画像 https://github.com/sekilab/Ro adDamageDetector#downloa d-road-damage-dataset
6.
Deep Learningのすごさ 6 データ ①異なる検出対象を一つのアルゴリズムで検出可能 パラメータのチューニングはDeep Learningが自動的に行う ②低解像度でも検出可能
VGAクラスで十分 ③撮影条件に左右されにくい ④データがあれば、新しい検出対象を簡単に追加できる。 → 道路のダメージ検出以外にも簡単に応用できる。 ニューラルネットワーク 600 600 https://github.com/sekilab/Ro adDamageDetector#downloa d-road-damage-dataset
7.
論文これです。 Title:Road Damage
Detection Using Deep Neural Networks with Images Captured Through a Smartphone https://arxiv.org/abs/1801.09454 7 https://qiita.com/IshitaTakeshi/items/915de731d8081e711ae5
8.
8 今日話す事
9.
今日話すこと Isolation Forest
https://cs.nju.edu.cn/zhouzh/zhouzh.files/p ublication/icdm08b.pdf 9
10.
Isolation Forestとは 10 ツリー構造を使った異常検知(anomaly detection) 教師無し学習
11.
Isolation Forestの考え方 正常値
数が多く固まっている。 異常値 数が少なくばらけている 11
12.
Isolation Forestの考え方 正常値
数が多く固まっている。 異常値 数が少なくばらけている 12 この塊を正常値とする。
13.
Isolation Forest 13 Figure 1 https://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/icdm08b.pdf
14.
Isolation Forest 14 異常値 正常値 異常値はツリーの上(Root近く)、正常値はツリーの下(Rootから遠く)に割り 当てられる。
15.
Isolation Forest 15 異常値 正常値 閾値を決めて、それ以上を異常値、それ以外を正常値とする。 どこかに閾値 を決める
16.
Isolation Forest 16 異常値 正常値 どこかに閾値 を決める 雑じゃない?
17.
17 やってみた
18.
データ数129個 18 ちょっと微妙
19.
データ数1066個 19 データを増やすと良くなる
20.
Isolaton Forestの特徴 論文によるとこういう特徴があります。
データが増えても処理時間や使用メモリが増えな い 速度が速い 特徴量が増えても上手く行く 特徴量の二乗はデータが必要 実際にやってみた感想 ハイパーパラメータが閾値の一つしかないので使 いやすい とりあえずデータ突っ込めばOK データ数が少ないと上手く動かない 20
21.
Isolation Forestの苦手なところ 21 ごちゃごちゃした ところにある異常 値が苦手 ・アルゴリズム的に、ごちゃごちゃしところにあるのは正常値になる。 http://scikit-learn.org/stable/modules/outlier_detection.html#one-class-svm- versus-elliptic-envelope-versus-isolation-forest-versus-lof
22.
ご静聴ありがとうございました。 22 中部地区、関西地区、福岡でDLをやりたい人を絶賛募集中です。 興味がある方はWantedlyをパソナテックで検索! もしくは私までご連絡ください。 mnatsutani@pasonatech.co.jp
Editor's Notes
テンサーフローユーザーグループ関西 パソナテック公認キャラ
Download now