Pythonではじめる教師なし学習 ―機械学習の可能性を広げるラベルなしデータの利用

4.10

 テストセットに対する不正検出

111

scatterPlot(X_train_fastICA, y_train, "Independent Component Analysis")

図 4-15に、

ICA

による散布図を示す。図 4-16 に、

ICA

による結果を示す。

図 4-15　ICA による27 成分を用いた場合の観測点の分離

図 4-16　ICA による27 成分を用いた場合の結果

結果は通常の

PCA

の場合とまったく同じだ。

ICA

による不正検出システムはこれまでの最良のもの

と比肩する性能を示した。

4.10

 テストセットに対する不正検出

不正検出システムを評価するために、未見のテストセットに適用してみよう。ここでは、これまでの

最良の

3

つのシステムを使う。通常の

PCA

、

ICA

、辞書学習の

3

つだ。スパース

PCA

は通常の

PCA

と

ほぼ同じ結果だったからだ。

112

4

章 異常検出

4.10.1

 通常の

PCA

を用いたテストセットに対する異常検出

まず、通常の

PCA

を試してみよう。

PCA

アルゴリズムが訓練セットから学習した

PCA

埋め込みを

使って、テストセットを変換する。次に、

scikit-learn

の

inverse_transform

関数を使って、テスト

セットの主成分行列から元の次元を再構成する。 ...