POINT 01
One-Class SVMによる異常検知
One-Class SVMを利用し、データの特徴を学習して異常を検出する処理を構築しました。
異常検知モデルの開発
医学系研究室での研究支援として取り組んだ開発事例です。One-Class SVMを用いた異常検知モデルを開発。交差検証・ROC評価とPCAによる可視化を組み合わせ、モデルを検証する処理を実装しました。
- CLIENT
- 医学系研究室
- FIELD
- 異常検知
- DEVELOPMENT
- モデル・解析処理の実装、評価・可視化
- SUPPORT
- コードの解説、実験条件の設定補助
- TECHNOLOGY
Purpose_
開発の目的
データの特徴をもとに異常を検出するため、One-Class SVMを使った学習・評価の処理を実装しました。学習条件を検証する処理と、別途テストデータを評価する処理を用意しています。
Architecture_
処理の全体像
入力データから解析・評価結果を出力するまでの流れです。
INPUT
- 解析対象データ
- 評価用のラベル
PROCESS
- データの準備
- One-Class SVMによる学習
- 交差検証・テスト評価
OUTPUT
- 異常検知の結果
- ROC評価
- PCAによる可視化
Key Points_
開発内容
前処理、モデルの実装、評価・可視化を組み合わせています。
POINT 02
学習と評価の実装
交差検証を行うNotebookと、テストデータを評価するNotebookを用意しました。ROCによる評価でモデルの判別性能を確認できます。
POINT 03
PCAによる特徴の可視化
主成分分析の可視化処理を用意し、入力データの特徴を図で確認できるようにしました。
Technology_
技術構成
主要な技術と、それぞれが担う処理をまとめています。
| 領域 | 技術 | 用途 |
|---|---|---|
| モデル | scikit-learn / One-Class SVM | 異常検知と交差検証 |
| データ処理 | NumPy / pandas / OpenCV | 解析データの準備 |
| 評価・可視化 | ROC / PCA / Matplotlib | 判別性能と特徴の可視化 |
Outcome_
実現したこと
異常検知の学習、交差検証、テスト評価、特徴の可視化を行う処理を実装しました。モデルの検証に必要な結果を確認できる構成です。あわせて、開発したコードの解説と、実験に合わせた条件設定の補助を行いました。
Contact_
データに合った解析方法を、
一緒に検討します
扱う画像やデータ、解析したいテーマに応じて、必要なモデルと処理の仕組みをご提案します。検討段階からご相談ください。
データ解析・開発について相談する