教師なしランダムフォレストを用いた多変量時系列ログデータの類型化

摘要

近年，IoT技術の発展に伴い，様々な分野で多変量時系列センサーデータに基づくイベント予測が注目されている。 例としては，システムの稼働履歴に基づく故障予測，ICUバイタルデータのモニタリングによる患者の容態変化予測，ウェアラブルセンサデータからの行動予測などが挙げられる。しかし，現状としてこれらの予測は熟練技術者の分析に基づき行われているため高コストであり，また潜在的なイベント予兆の見落としが発生してしまうという課題がある。このような経緯から，機械学習を用いた知的イベント予測システムの需要が高まっている。本研究ではィベント予測の精度を向上させるための前段階として，多変量時系列データの類型化を目的とする。