今回の対象は、101010 という繰り返しパターンだ。
前回、101010 という部分から履歴行列を作って左特異ベクトルをとりだした。
テスト行列はどうなるか。もちろん、たまたま同相 101010 となれば全く同じ左特異ベクトルが得られる。
だが、場合によっては逆相の 010101 となることだってあるだろう。その場合の左特異ベクトルはどうなるだろうか。
numpyで計算した結果は以下のとおり。
![](https://blogimg.goo.ne.jp/user_image/07/60/da779a6bf1cedc0b8fd5fab8e248a7e6.png)
s の最初の2項目が 1.4 なので u の 1列目と2列目が特徴的なパターンということになる。
[0, -1, 0] と [-0.707, 0, -0.707] で符号の違いを別とすれば、履歴行列のものと(計算誤差の範囲で)一致する。
[1] 井出 剛、杉山 将, 異常検知と変化検知, 講談社, 2017 ISBN978-4-06-152908-3
前回、101010 という部分から履歴行列を作って左特異ベクトルをとりだした。
テスト行列はどうなるか。もちろん、たまたま同相 101010 となれば全く同じ左特異ベクトルが得られる。
だが、場合によっては逆相の 010101 となることだってあるだろう。その場合の左特異ベクトルはどうなるだろうか。
numpyで計算した結果は以下のとおり。
![](https://blogimg.goo.ne.jp/user_image/07/60/da779a6bf1cedc0b8fd5fab8e248a7e6.png)
s の最初の2項目が 1.4 なので u の 1列目と2列目が特徴的なパターンということになる。
[0, -1, 0] と [-0.707, 0, -0.707] で符号の違いを別とすれば、履歴行列のものと(計算誤差の範囲で)一致する。
[1] 井出 剛、杉山 将, 異常検知と変化検知, 講談社, 2017 ISBN978-4-06-152908-3