狠狠撸
Submit Search
搁て?レホ?ートメール
Jan 26, 2013
19 likes
4,971 views
Yohei Sato
1 of 23
Recommended
Complex network ws_percolation
Complex network ws_percolation
Yohei Sato
?
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
?
搁て?ヒ?ホ?ットテーフ?ル
搁て?ヒ?ホ?ットテーフ?ル
Yohei Sato
?
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
Yohei Sato
?
Uplift Modelling 入門(1)
Uplift Modelling 入門(1)
Yohei Sato
?
Tokyor24 yokkuns
Tokyor24 yokkuns
Yohei Sato
?
异常行动検出入门(改)
异常行动検出入门(改)
Yohei Sato
?
Tokyor22 selection bias
Tokyor22 selection bias
Yohei Sato
?
搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル
Yohei Sato
?
Japan r2 lt_yokkuns
Japan r2 lt_yokkuns
Yohei Sato
?
Japan r2 tokyor
Japan r2 tokyor
Yohei Sato
?
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
?
时系列分析による异常検知入门
时系列分析による异常検知入门
Yohei Sato
?
Tokyo r15 異常検知入門
Tokyo r15 異常検知入門
Yohei Sato
?
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 –
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 –
Yohei Sato
?
贵滨罢2012招待讲演「异常検知技术のビジネス応用最前线」
贵滨罢2012招待讲演「异常検知技术のビジネス応用最前线」
Shohei Hido
?
FIT2012で行われた「ビジネスで生きる機械学習技術」セッションの招待講演資料です。 http://www.ipsj.or.jp/event/fit/fit2012/program/data/html/event/event_A-7.html 【講演概要】 世の中で得られる知見の多くは、何らかの観測対象の時間変化や、観測対象グループにおける珍しい個体の出現を捉えたものと考えることができます。特に急速な変化や異常な個体の検出するための異常検知技術は、ビジネスにおけるデータ収集?蓄積インフラの浸透とともに応用が広がっています。従来は、蓄積されたデータを目で見て確認する、閾値を設けてアラートを出す、あるいは経験に基づいて異常パターンをルール化する、などのアプローチが主流でした。しかしながら、収集できるデータの変数と量が飛躍的に増大する中で、比較的単純かつ過去に起きた異常のみ扱えるルールベース手法では不十分である場合が増えてきました。そこで最近研究と応用が進んでいるのが統計ベースと言われる最新のデータ解析技術を使ったアプローチであり、機械学習が中心的な役割を果たしています。その強みは未知の異常も扱えること、大量のデータを効率的に扱えること、可視化では人間が捉えられない複雑な隠れた異常も検出可能であることなどがあります。本講演では、実世界の異常検知問題を分類したあと、それぞれにおいて最近用いられている代表的な機械学習手法を説明し、実際のビジネスケースを紹介します。
R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02
akira_11
?
★ページの表示が乱れる場合はダウンロードしてご利用ください。 ★ダウンロードしたファイルは表示順は正常です。
Test
Test
基晴 出井
?
RでGARCHモデル - TokyoR #21
RでGARCHモデル - TokyoR #21
horihorio
?
R実践 機械学習による異常検知 01
R実践 機械学習による異常検知 01
akira_11
?
?題材は井手氏の著書『入門 機械学習による異常検知 Rによる実践ガイド』。
数理的に组み込みソフトを开発する方法入门
数理的に组み込みソフトを开発する方法入门
Toshiyuki Fujikura
?
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
Yohei Sato
?
Tokyor35 人工テ?ータの発生
Tokyor35 人工テ?ータの発生
Yohei Sato
?
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
?
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
Tokyo.R#60 初心者セッション
20131206 japan r
20131206 japan r
Yohei Sato
?
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
?
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
?
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
?
Point of view when analyzing
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
?
More Related Content
What's hot
(13)
搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル
Yohei Sato
?
Japan r2 lt_yokkuns
Japan r2 lt_yokkuns
Yohei Sato
?
Japan r2 tokyor
Japan r2 tokyor
Yohei Sato
?
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
?
时系列分析による异常検知入门
时系列分析による异常検知入门
Yohei Sato
?
Tokyo r15 異常検知入門
Tokyo r15 異常検知入門
Yohei Sato
?
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 –
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 –
Yohei Sato
?
贵滨罢2012招待讲演「异常検知技术のビジネス応用最前线」
贵滨罢2012招待讲演「异常検知技术のビジネス応用最前线」
Shohei Hido
?
FIT2012で行われた「ビジネスで生きる機械学習技術」セッションの招待講演資料です。 http://www.ipsj.or.jp/event/fit/fit2012/program/data/html/event/event_A-7.html 【講演概要】 世の中で得られる知見の多くは、何らかの観測対象の時間変化や、観測対象グループにおける珍しい個体の出現を捉えたものと考えることができます。特に急速な変化や異常な個体の検出するための異常検知技術は、ビジネスにおけるデータ収集?蓄積インフラの浸透とともに応用が広がっています。従来は、蓄積されたデータを目で見て確認する、閾値を設けてアラートを出す、あるいは経験に基づいて異常パターンをルール化する、などのアプローチが主流でした。しかしながら、収集できるデータの変数と量が飛躍的に増大する中で、比較的単純かつ過去に起きた異常のみ扱えるルールベース手法では不十分である場合が増えてきました。そこで最近研究と応用が進んでいるのが統計ベースと言われる最新のデータ解析技術を使ったアプローチであり、機械学習が中心的な役割を果たしています。その強みは未知の異常も扱えること、大量のデータを効率的に扱えること、可視化では人間が捉えられない複雑な隠れた異常も検出可能であることなどがあります。本講演では、実世界の異常検知問題を分類したあと、それぞれにおいて最近用いられている代表的な機械学習手法を説明し、実際のビジネスケースを紹介します。
R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02
akira_11
?
★ページの表示が乱れる場合はダウンロードしてご利用ください。 ★ダウンロードしたファイルは表示順は正常です。
Test
Test
基晴 出井
?
RでGARCHモデル - TokyoR #21
RでGARCHモデル - TokyoR #21
horihorio
?
R実践 機械学習による異常検知 01
R実践 機械学習による異常検知 01
akira_11
?
?題材は井手氏の著書『入門 機械学習による異常検知 Rによる実践ガイド』。
数理的に组み込みソフトを开発する方法入门
数理的に组み込みソフトを开発する方法入门
Toshiyuki Fujikura
?
搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル
Yohei Sato
?
Japan r2 lt_yokkuns
Japan r2 lt_yokkuns
Yohei Sato
?
Japan r2 tokyor
Japan r2 tokyor
Yohei Sato
?
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
?
时系列分析による异常検知入门
时系列分析による异常検知入门
Yohei Sato
?
Tokyo r15 異常検知入門
Tokyo r15 異常検知入門
Yohei Sato
?
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 –
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 –
Yohei Sato
?
贵滨罢2012招待讲演「异常検知技术のビジネス応用最前线」
贵滨罢2012招待讲演「异常検知技术のビジネス応用最前线」
Shohei Hido
?
R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02
akira_11
?
Test
Test
基晴 出井
?
RでGARCHモデル - TokyoR #21
RでGARCHモデル - TokyoR #21
horihorio
?
R実践 機械学習による異常検知 01
R実践 機械学習による異常検知 01
akira_11
?
数理的に组み込みソフトを开発する方法入门
数理的に组み込みソフトを开発する方法入门
Toshiyuki Fujikura
?
Viewers also liked
(9)
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
Yohei Sato
?
Tokyor35 人工テ?ータの発生
Tokyor35 人工テ?ータの発生
Yohei Sato
?
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
?
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
Tokyo.R#60 初心者セッション
20131206 japan r
20131206 japan r
Yohei Sato
?
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
?
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
?
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
?
Point of view when analyzing
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
?
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
Yohei Sato
?
Tokyor35 人工テ?ータの発生
Tokyor35 人工テ?ータの発生
Yohei Sato
?
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
?
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
20131206 japan r
20131206 japan r
Yohei Sato
?
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
?
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
?
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
?
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
?
More from Yohei Sato
(6)
Tokyor60 opening
Tokyor60 opening
Yohei Sato
?
Tokyor60 Opening
ドリコムの分析环境とデータサイエンス活用事例
ドリコムの分析环境とデータサイエンス活用事例
Yohei Sato
?
第3回Japan rハ?ネルテ?ィスカッション
第3回Japan rハ?ネルテ?ィスカッション
Yohei Sato
?
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部
Yohei Sato
?
Japan r2 opening
Yohei Sato
?
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Yohei Sato
?
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Tokyor60 opening
Tokyor60 opening
Yohei Sato
?
ドリコムの分析环境とデータサイエンス活用事例
ドリコムの分析环境とデータサイエンス活用事例
Yohei Sato
?
第3回Japan rハ?ネルテ?ィスカッション
第3回Japan rハ?ネルテ?ィスカッション
Yohei Sato
?
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部
Yohei Sato
?
Japan r2 opening
Yohei Sato
?
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Rて?学ふ? 傾向スコア解析入門 - 無作為割り当てか?出来ない時の因果効果推定 -
Yohei Sato
?
搁て?レホ?ートメール
1.
搁でレポートメール
@yokkuns 里 洋平 yohei0511@gmail.com 2013.01.26 第28回Tokyo.R 2013年1月26日土曜日
2.
自己紹介 ◆
里 洋平(@yokkuns) ◆ 元Webエンジニアのデータサイエンティスト ?今は主にマーケティング周りを見てる ◆ 統計解析やデータマイニングをビジネスに適用 ?時系列解析とか異常検知とか最適化とか ?いろんなモデルの構築 2013年1月26日土曜日
3.
活動例: 勉強会の主催?執筆
Tokyo.R主催 パッケージ本執筆しました! 2013年1月26日土曜日
4.
活動例: 動画レコメンド
閲覧されている動画の情報を用いておすすめ動画を表示する 2013年1月26日土曜日
5.
活動例: 市場予測
Web上の情報から市場予測 2013年1月26日土曜日
6.
活動例: 異常検知
Anomaly detection 複数時系列から異常な振る舞いを検知する C A 時系列のモデリング 複数時系列の異常検知 B 時系列A 時系列A 異常な振る舞い 時系列B 時系列C 時系列B 時系列C 異常な振る舞いの時系列を検出 例1:トラフィック異常検知 例2:CM効果のノイズ除去 トラフィックA ケースA CM効果 トラフィックB ケースB トラフィックC 調査 ケースC 異常な振る舞いをしている 異常な振る舞いをしているケースを トラフィックの原因を調査する 除外して、CMの効果を算出する 85 2013年1月26日土曜日
7.
活動例: 時系列解析と影響分析
TV Commercial E?ects 時系列的な振る舞いの特徴から各KPIへのCMの影響度を算出 イベン CM時系列 ト 新規 登録 CM ARPP U ARPU 各KPIの時系列 その他 外部 継続率 要因 ケース 87 2013年1月26日土曜日
8.
新たな勉强会
TokyoApache.Pig https://groups.google.com/group/tokyo_apache_pig 2013年1月26日土曜日
9.
碍笔滨をチェックしたい 2013年1月26日土曜日
10.
碍笔滨をチェックしたい
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい! 2013年1月26日土曜日
11.
碍笔滨をチェックしたい
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい! 普段は見ないけど異常があったら見たい! 2013年1月26日土曜日
12.
碍笔滨をチェックしたい
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい! 普段は見ないけど異常があったら見たい! 過去分も含めていろんな軸で見たい! 2013年1月26日土曜日
13.
碍笔滨をチェックしたい
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい! knitr+sendmailR 普段は見ないけど異常があったら見たい! 過去分も含めていろんな軸で見たい! 2013年1月26日土曜日
14.
碍笔滨をチェックしたい
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい! knitr+sendmailR 普段は見ないけど異常があったら見たい! changeAnomalyDetection+knitr+sendmailR 過去分も含めていろんな軸で見たい! 2013年1月26日土曜日
15.
碍笔滨をチェックしたい
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい! knitr+sendmailR 普段は見ないけど異常があったら見たい! changeAnomalyDetection+knitr+sendmailR 過去分も含めていろんな軸で見たい! shiny 2013年1月26日土曜日
16.
碍笔滨をチェックしたい
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい! knitr+sendmailR 普段は見ないけど異常があったら見たい! changeAnomalyDetection+knitr+sendmailR 過去分も含めていろんな軸で見たい! shiny 2013年1月26日土曜日
17.
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい!
DailyとかHoulyでレポートメールを配信しよう どうせなら、HTMLメールにして表とかグラフとか付いてると嬉しい knitr markdown 生成 送信 Rmdファイル sendmailR htmlファイル 2013年1月26日土曜日
18.
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい!
現在バージョンのものでは、HTMLメールが送れないので 修正版をインストールする $ git clone git@github.com:yokkuns/sendmailR.git $ cd sendmailR $ sudo make install または、make installではなく make packageをしてR上でインストール $ make package $R > install.packages("sendmailR_1.1-2.tar.gz") 2013年1月26日土曜日
19.
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい!
RStudioでRmd形式でレポート内容を出力するスクリプトを書く 2013年1月26日土曜日
20.
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい!
knitrとmarkdownを使ってhtmlファイルを作成する デフォルトだと画像がbase64エンコードされてメールで表示されない options引数で、必要なオプションのみを指定するようにする 2013年1月26日土曜日
21.
直近のデータで顿补颈濒测とか贬辞耻谤濒测で见たい!
画像のリンクを添付画像に置換し、sendmail関数で送信! 2013年1月26日土曜日
22.
普段はみないけど异常があったら见たい!
changeAnomalyDetectionパッケージを使って異常検知 異常があった時だけメール送信する アラートメール送信 2013年1月26日土曜日
23.
ご清聴ありがとうございました! 2013年1月26日土曜日