異常の探索（過去の異常検知）

過去のデータについて、「この時は、異常だったのではないか？」ということを調べたいことがあります。

異常の探索は、異常検知の中心的な存在です。その中でも、中心的なのが、外れ値検知です。変化点検知は、やや専門的です。

外れ値検知

外れ値検知は、異常を「外れ」という形で捉えます。

製品の検査データなどで使われます。

変化点検知は、異常を「母数の変化」という形で捉えます。

母数の中でも、特に、平均値の変化を捉えようとすることが多いです。「変化点」という名前ですが、明確に変化のタイミング（変化）を見つけられるとは限らないです。また、変化点でガラッと変わる変化ではなく、連続的な変化の把握にも使える方法です。

環境の変化や、装置の変化などの把握に使われます。

外れ値は、突発的に起きるものとして、思われていることが多いです。偶然だとすると、とても起きにくいものなので、偶然ではない理由があると考えることがあります。

もしも、外れ値が連続的に起きているとしたら、突発的ではなく、何か根本的なものが変わったと考えます。これは変化点の一種です。

一方、何か根本的なものが変わったとしても、外れ値にならないほどの変化なことがあります。変化点があると、外れ値が連続するようなイメージになることもありますが、必ずしもそうとは限らないです。そのため、変化点検知は、外れ値検知の応用ではなく、別のアプローチをした方が良いです。

変化点検知は、時間的な変化を見るので、時系列解析の一種です。

外れ値検知でも、過去のデータからの変化を見て、外れを検知する場合は、時系列解析の一種です。

ただ、時系列を考慮した外れ値検知は、どちらかと言うとマイナーです。外れ値検知として、よく見かけるのは、過去のデータの分布は時間的に普遍と仮定して、その分布に対して新しいデータが外れかどうかを判定する方法です。