@techreport{oai:ipsj.ixsq.nii.ac.jp:00234895,
 author = {新堀, 瑞己 and 生田, 真也 and 山田, 彬文 and 田地, 宏一 and 竹内, 一郎 and Mizuki, Niihori and Masaya, Ikuta and Akihumi, Yamada and Kouichi, Taji and Ichiro, Takeuchi},
 issue = {8},
 month = {Jun},
 note = {現在，機械学習における異常検知の分野において，???? 近傍法というアルゴリズムが広く用いられている．この手法はデータの分布を仮定しないため，様々なデータに適用可能であるが，異常検知を行った結果の信頼性に対する定量的評価法は確立されていない．一般的に，結果の信頼性の定量的評価法として，統計的仮設検定が知られているが，データ駆動型科学においては，仮説がデータに基づいて選択されるため，古典的な統計的仮説検定では適切な信頼性評価を行うことができない．そこで本研究では，???? 近傍法による異常検知結果に対し，選択的推論 (Selective Inference,   SI) の枠組みを用いる．これにより偽陽性率（False Positive Rate,   FPR）を制御できる適切な統計的仮説検定を提案する．また，通常の SI における弱点である，過剰な条件付け (Over-Conditioning) による検出力の低さを改善する手法として，Parametric SI を提案する．そして，人工データ，実データにおいて計算機実験を行い，提案手法の妥当性を示す．, Currently, the ????-nearest neighbor method is widely used in the field of machine learning anomaly detection. This method is applicable to a variety of data because it does not assume a distribution of the data, but a quantitative evaluation method for the reliability of the results of anomaly detection has not been established. In general, statistical hypothesis testing is known as a quantitative evaluation method for the reliability of results. However, in data-driven science, classical statistical hypothesis testing is not adequate for reliability evaluation because hypotheses are selected based on data. In this study, we use the Selective Inference framework for anomaly detection results using the ????-nearest neighbor method.},
 title = {k近傍法による異常検知の信頼性定量化のための選択的推論},
 year = {2024}
}