異常検出と JMP(R) Pro ( 2019-EU-45MP-115 )レベル: 中級
職種: アナリスト / サイエンティスト / エンジニア
Michael Crotty、JMP シニア統計ライター、SAS
マリー・ゴーダール、統計コンサルタント
Colleen McKendry 氏、JMP テクニカル ライター、SAS
最優秀招待論文ファイナリスト
異常検出が予測モデルの目標である状況では、基礎となるデータが不均衡なクラス分布を示すことがよくあります。 つまり、異常クラスは非異常クラスよりも大幅に小さいです。 モデリングの目標は通常、少数派のメンバーを特定することです。 ただし、予測モデリング技術をそのまま適用すると、偏った不正確なモデルが作成される可能性があります。 これらの問題に対処するために多くの技術が提案されています。 私たちは、JMP Pro ユーザーが不均衡なデータの予測モデルを開発できるようガイドすることを目指しています。 過小評価されているクラスに分類するための JMP Pro のアプローチについて説明します。 まず、不均衡クラス問題の一般的な側面、つまりバイアス、パフォーマンスの尺度、およびモデリングの問題に対処するアプローチについて説明します。 次に、研究で使用するサンプリング方法について説明します。これらには、重み付け、アンダーサンプリング、オーバーサンプリング、および合成少数派オーバーサンプリング技術 (SMOTE) が含まれます。 さまざまなクラス比率を示すいくつかの実際のデータセットについて、これらのサンプリング方法と JMP Pro 分類プラットフォームで利用可能な予測モデルを組み合わせて使用して得られた近似を比較します。 限られた範囲のシミュレートされたデータセットに対して、サンプリング手法と予測モデルの同様の調査を実行します。 シミュレートされたデータセットについて、標準モデルがクラスの不均衡によって影響を受け始める過小表現の程度を特定しようと試みます。 また、サンプリング方法と予測モデルの相対的なパフォーマンスに関する結論も示します。
このプレゼンテーションで説明した分析を実行するアドインが利用可能になりました。不均衡分類アドイン。このアドインは、Scripts_and_Results.zip にあるスクリプトの機能を拡張します。他の機能の中でも特に、このアドインは R に依存せず、名目予測子と順序予測子を含むデータ セットに対して SMOTE、Tomek、および SMOTE plus Tomek サンプリングを実行し、ダイアログの [ヘルプ] ボタンを通じて広範なドキュメントを提供します。
サミットのベスト起こるデータ探索予測モデリングRe: 異常検出と JMP(R) Pro ( 2019-EU-45MP-115 )JMP Pro にリアルタイムのセンサー データを処理する機能が組み込まれているのかは知りませんが、スクリプトをいくつか記述すれば、きっと実行できるでしょう。 それは、より大きな JMP コミュニティにとって良い質問となるでしょう。
ご興味とご質問をいただきありがとうございます。
マイケル
Re: 異常検出と JMP(R) Pro ( 2019-EU-45MP-115 )ありがとう。本当に素晴らしくて助かります！
1 つの質問ですが、JMPpro はリアルタイムの異常検出 (センサー データなど) に使用できますか?
ありがとう！
