▶️25분
[영상] Anomaly Detection 개론 — 확률분포 기반
Day 3: 고장 분류 모델
[영상] Anomaly Detection 개론 — 확률분포 기반
예지보전 — 설비 고장 예측 시스템 > Day 3: 고장 분류 모델
학습 목표
확률 분포 기반 이상 탐지(가우시안 MLE, 마할라노비스)의 원리를 설명할 수 있다 Isolation Forest의 격리 트리와 anomaly score 계산 방식을 이해할 수 있다 AutoEncoder 재구성 오차로 이상을 판별하는 로직을 구현할 수 있다 레이블 없는 제조 데이터에서 비지도 전략을 선택할 수 있다
플레이어 로딩 중...
핵심 포인트
- • Isolation Forest: 이상값은 적은 분기 수로 격리 — O(n log n) 고속
- • AutoEncoder: 정상 패턴만 학습 → 이상은 재구성 오차가 큼
- • 마할라노비스: 다변량 정상 분포 가정 — 비선형 이상에 약함
- • 하이브리드(AE + IF): AE 잔차를 IF에 입력하면 탐지율↑