データ発生のアンバランスさを考慮したサポートベクターマシン

抄録

近年，設備の異常診断のような分野にも機械学習が利用されはじめている．設備の異常診断などの正常状態と異常状態を分類する問題では，正常状態のデータは発生しやすく，多量のデータが存在するが，異常状態のデータは発生が希で，非常に少量のデータしか存在しない．この正常データの量と異常データの量のアンバランスを考慮したサポートベクターマシン(SVM)が提案されている．しかし，既存の方法はデータ量のみのアンバランスを考慮しており，データ発生そのもののアンバランスを考慮していない．本研究では正常データ，異常データの発生そのもののアンバランスを考慮したSVMを提案する．また，既存のアンダーサンプリングSVMとオーバーサンプリングSVMとの比較を行い，その違いを明らかにする．