Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

이상 감지

이상값(outlier) 및 특이값(novelty) 감지

Statistics and Machine Learning Toolbox™는 레이블이 지정되지 않은 다변량 표본 데이터에 대한 여러 이상 감지 기능을 제공합니다. 이상 감지 기능은 모델을 훈련시키거나 파라미터를 학습하여 이상값(훈련 데이터의 이상)을 감지합니다. 특이값 감지의 경우(오염되지 않은 훈련 데이터로 새 데이터에서 이상 감지), 오염되지 않은 훈련 데이터(이상값이 없는 데이터)로 모델을 훈련시키거나 파라미터를 학습하고, 훈련된 모델 또는 학습된 파라미터를 사용하여 새 데이터에서 이상을 감지할 수 있습니다. 자세한 내용은 Unsupervised Anomaly Detection 항목을 참조하십시오.

정상적인 점과 정상적이지 않은 점으로 레이블이 지정된 훈련 데이터가 있는 경우 이진 분류 모델을 훈련시키고 resubPredictpredict 객체 함수를 사용하여 각각 훈련 데이터 및 새 데이터에서 이상을 감지할 수 있습니다. 지원되는 분류 기능 목록은 분류 항목을 참조하십시오.

이 툴박스는 또한 분류, 회귀 또는 군집 모델을 훈련시킨 후에 적용할 수 있는 모델별 이상 감지 기능을 제공합니다. 자세한 내용은 Model-Specific Anomaly Detection 항목을 참조하십시오.

함수

모두 확장

iforestFit isolation forest for anomaly detection
isanomalyFind anomalies in data using isolation forest
fitcsvm단일 클래스 및 이진 분류를 위한 서포트 벡터 머신(SVM) 분류기 훈련
resubPredictClassify training data using trained classifier
predict서포트 벡터 머신(SVM) 분류기를 사용하여 관측값 분류
robustcovRobust multivariate covariance and mean estimate
mahal기준 표본까지의 마할라노비스 거리
pdist2두 관측값 세트 간의 쌍별(Pairwise) 거리

객체

IsolationForestIsolation forest for anomaly detection
ClassificationSVM단일 클래스 및 이진 분류용 서포트 벡터 머신(SVM)

도움말 항목