반응형 분류 전체보기165 [딥러닝 with Python] Anomaly Detection(이상탐지) : Deep SVDD 1. Deep SVDD란?- Deep SVDD는 Deep Support Vectormachine Data Description의 줄임말로, 기존에 알아봤었던 SVDD의 딥러닝으로 확장한 버전이라고 보시면 되겠습니다.[딥러닝 with Python] Anomaly Detection(이상탐지) : SVDD(Support Vector Data Description) - 기존 SVDD는 신경망을 활용해 복잡한 Feature Representation을 학습하는 방식으로, 특히 고차원 데이터나 비선형 데이터서에서 매우 효과적인 방법입니다. * 예를 들어, 이미지, 센서 데이터, 비정형 데이터에서의 이상 탐지에 매우 유용합니다. - Deep SVDD의 주요 원리 * Deep SVDD의 목표는 데이터를 Latent.. 2024. 11. 28. [딥러닝 with Python] Anomaly Detection(이상탐지) : SVDD(Support Vector Data Description) SVDD는 Support Vector Data Description의 약자로, 데이터의 주요 패턴을 파악하고 정상적인 데이터 분포를 정의하여, 새로운 데이터가 이 정상 데이터 범위 안에 속하는지를 평가하는 이상탐지 모델을 말합니다. 주로 정상 데이터만으로 학습 후 새로운 데이터가 정상 범위를 벗어나면 이상으로 간주하는 모델로 결함 감지, 품질 관리 등 다양한 분야에서 이상탐지 모델로서 사용할 수 있습니다. 1. SVDD의 주요 개념과 원리- SVDD는 주로 One-Class SVM의 아이디어에서 파생되었습니다.- 이는 비지도 학습 방식 중 하나로, 정상 데이터의 중심에 밀접한 구(sphere)를 형성하여 대부분의 정상 데이터를 포함하도록 합니다. 이때 새로운 데이터가 이 sphere 밖에 위치할 경우.. 2024. 11. 27. [머신러닝 with Python] 불균형 데이터 처리(4) : ADASYN 활용 이번에 알아볼 불균형 데이터 처리 방법은 ADASYN입니다. 1. ADASYN이란?- ADASYN은 Adaptive Synthetic Sampling Approach for Imbalanced Learning 의 약자로, 불균형한 데이터셋에서 소수 클래스의 데이터를 보강하여 학습 성능을 개선하기 위해 사용되는 오버샘플링 기법을 말합니다. - ADASYN의 주요 특징과 동작 방식은 다음과 같습니다.1) 소수 클래스 샘플의 밀도 계산 * 먼저 각 소수 샘플 XI에 대해, 최당 샘플의 k-nearest neighbor 중 대다수 클래스 샘플의 비율을 측정합니다. 이를 통해 각 샘플이 결정 경계 근처에 위치하는지를 파악합니다. 2) 가중치 분포 계산 * 각 소수 클래스 샘플의 ri 비율을 기반으로, 소수 클래.. 2024. 11. 26. [딥러닝 with Python] Anomaly Detection 방법론 : Reconstruction Based Approach 이번 포스팅은 지난번 포스팅한 Anomaly Detection과 연관된 내용을 가지고 있습니다.[딥러닝 with Python] Anomaly Detection이란? (이상 탐지) 1. Anomaly Detection 문제 접근 방법 - 비교적 과거에 연구되어온 Anomaly Detection 문제를 접근하는 방법은 아래와 같이 크게 3가지 정도로 볼 수 있습니다. 1) Classification 기반 방법론 : Normal vs Abnormal 또는 Normal vs Faulty Type에 대해 이진 분류를 하는 것입니다. 이때 일반적으로 Abnormal class의 경우 소수 클래스에 속하기 때문에 Oversampling 또는 Undersampling을 통해 클래스 불균형을 해결한 뒤 학습 시키는 .. 2024. 11. 25. 이전 1 2 3 4 5 6 7 ··· 42 다음 반응형
