マルコフ状態転換モデルのRパッケージ{MSwM}の使い方（異常値検出・ステータス変化検出などに有用） - 渋谷駅前で働くデータサイエンティストのブログ
CRANパッケージ{MSwM}の大体の使い方が分かったので簡単に共有します。 なお、しつこいようですがマルコフ状態転換モデルについてはこのブログではすっかりお馴染みの以下のテキストをご参照のこと*1。僕もまだ勉強中です。 経済・ファイナンスデータの計量時系列分析 (統計ライブラリー) 作者: 沖本竜義出版社/メーカー: 朝倉書店発売日: 2010/02/01メディア: 単行本購入: 4人 クリック: 101回この商品を含むブログ (4件) を見る Time Series Analysis 作者: James D. Hamilton出版社/メーカー: Princeton Univ Pr発売日: 1994/01/11メディア: ハードカバー購入: 1人 クリック: 5回この商品を含むブログ (7件) を見る なお、沖本テキストでは簡単な説明のみに留められているので、Hamiltonテキストの方
ナウシカをネットワーク分析する social network analysis
（クリックすると拡大する） ＜図4-9. 図4-1～8のGifアニメ化画像＞ 当初いくつかのグループ内でのリンクだけで世界は成り立っていたのだが、「巨神兵」の発見とこれを契機とするトルメキア戦役の開始を契機に新たなリンクが発生し（図4-1参照）、加速度的にリンクが急速に形成されて前節で見たように最後はほぼ全登場人物がつながってしまう様子が可視化できた。 図4-9のアニメーションを見ると、8番のノードであるナウシカと4番ノードのクシャナに当初リンクがあつまっていくのが観察される。そして、次の段階として図4-8を拡大して見ると、図4-1～6までの可視化グラフと異なり、子午線のように縦横にリンクが走り、登場人物相互の緊密なつながりが生じていることがわかる。 （５）度数分析 仮説をたてた「ナウシカがハブだ」ということが前節までの可視化分析でわかってきたが、クシャナも同時にハブとしての機能を果てして
センサの時系列解析例題 - cslabの日記
いくつかのセンサーの出力から、状態の推定、異常検出、パターン識別をする例題を見繕ってみたメモ たまたま見た研究会資料から （１）多センサの多次元表現と部分空間識別器に基づく異常検知 http://jglobal.jst.go.jp/public/20090422/201102278182361273 （２）尤度ヒストグラムに基づく異常検出 http://ci.nii.ac.jp/naid/40018763233 をざっと見た いずれも、東京農工大と日立製作所の何かのシステムにつけている19個のセンサから正常稼働日と異常稼働日を識別する２クラス識別器をつくる問題。 センサの時系列データをどのように表現、特徴量にするか、したほうが識別しやすいか。 （１）多センサの多次元表現と部分空間識別器に基づく異常検知 では、出力された順にそのままデータを並べて特徴ベクトルにする。19個のセンサーなので、1
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
overlasting.net
overlasting.net 2019 Copyright. All Rights Reserved. The Sponsored Listings displayed above are served automatically by a third party. Neither the service provider nor the domain owner maintain any relationship with the advertisers. In case of trademark issues please contact the domain owner directly (contact information can be found in whois). Privacy Policy
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
TalkingData AdTracking Fraud Detection Challenge (1st place solution)Takanori Hayashi
素人の僕が、データ分析に自信を持つようになったある発見 - 人と組織と、fukui's blog
2010年03月13日 22:01 カテゴリ事業家養成講座 素人の僕が、データ分析に自信を持つようになったある発見 Posted by fukuidayo Tweet 僕は1999年に就職活動をしました。会社は全部で8社ぐらい？受けたのかな。 受かった会社の選考よりも、落ちた会社の選考のほうが覚えているもので、あるシンクタンクを受けたときに提出したレポートの出来の悪さと、あるコンサルティング会社を受けたときに出たケーススタディーの答案を前に、頭が真っ白になったときのことは、今でもたまに思い出します。 どうやって分析し、自分の見解を示せば良いのか、まるでわからなかったのです。 それから数年がたち、僕はケーススタディーを受ける側ではなく、つくる側になりました。 データの見方を教え、伝える側になったのです。 そうなれたのは、データを分析する。ということに関して、助言を与え続けてくれた先輩・上司が
ああああ はてブで遊ぶ(1) -ホットエントリー入りした記事を時系列で分類する-
はてなブックマーク(以下はてブ)は、日本最大のソーシャルブックマークサイトで、独自の濃ゆい空間を作り出しています。はてブでブックマークされる記事の中で、特に人気のある記事は、人気エントリー(以下、ホットエントリーと記述)に掲載されます。 ホットエントリーには、毎日入れ替わり立ち替わり、多種多様なページが掲載されます。一過性のネタ記事やフレームから、非常に資料性の高いページまで、内容は本当に多様です。しかし実は、ブックマーク数の伸び方（ブックーマークの時系列）を見てみると、どうも各エントリがいくつかのカテゴリに分類出来るように思えるのです。 以下では、ホットエントリー入りした記事のブックマークの時系列に着目し、それを分類してみようと思います。2008年9月にホットエントリした記事＋αを調べてみました。解析方法はこの記事の最後に書いてあります。その手法から、ブックマークをプライベートモードで使
s.o.c.i.a.r.i.u.m
概要 コミュニケーションのイベントログからソーシャルネットワークの時系列を生成し，そこから抽出されたコミュニティ構造の遍歴を可視化するソフトウェアです． ソースコード付き（BSDライセンス）で公開しています． 履歴 2009/09/24 起動できない場合がある不具合を修正 2009/09/23 Bug fix＋機能追加 2009/09/10 Bug fix＋機能追加 2009/09/01 beta版公開 2009/08/05 alpha2版公開 2009/05/13 alpha版公開 ダウンロード sociarium.zip [11MB] Microsoft Windows専用（Vista 64bitでのみ動作確認） 環境によってはVisual C++ 2008 再頒布可能パッケージ (x86)が必要になります． Mac OS Xにも移植中 ビルドに必要なもの Visual C++ 20
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
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
DBSJ Journal, Vol.9, No.2, pp.1-6 | 日本データベース学会
異常行動検出入門（改）
異常検出
http://tswww.ism.ac.jp/kawasaki/nagoya2001summer/index.htm
村田研究室のページ
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
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 –
サーバ異常検知入門
