スケーラブルな外れ値/異常検出

Hadoop、Hive、Elastic Search（その他）を使用してビッグデータインフラストラクチャをセットアップしようとしています。特定のデータセットに対していくつかのアルゴリズムを実行したいと思います。アルゴリズム自体をスケーラブルにしたいので、Weka、R、RHadoopなどのツールの使用は除外されます。ApacheのMahoutの図書館は良い選択肢であるように思われ、それが特徴回帰およびクラスタリングのタスクのためのアルゴリズムを。

私が見つけるのに苦労しているのは、異常または異常値の検出のためのソリューションです。

Mahoutには隠しマルコフモデルとさまざまなクラスタリング手法（K-Meansを含む）が備わっているため、これを使用して時系列で外れ値を検出するモデルを構築できるかどうか疑問に思っていました。これを経験した誰かが私に助言してくれるなら私は感謝しています

1. 可能であれば、可能であれば
2. それを行う方法に加えて
3. 関与する努力の推定と
4. このアプローチの精度/問題。

tダイジェストアルゴリズムを見てみましょう。これはmahoutに統合され、ビッグデータストリーミング用の他のいくつかのライブラリの一部にもなっています。このアルゴリズムの詳細と、ビッグデータの異常検出については、一般に次のリソースで詳しく知ることができます。

1. 実用的な機械学習の異常検出ブック。
2. ウェビナー：何を見つける必要があるかわからない場合の異常検出
3. Elasticsearchでの異常検出。
4. 異常検出を使用して10億ドルの詐欺を打つ：Accumuloを備えたHortonworksデータプラットフォームでアーガイルデータを使用する信号処理アプローチ

あなたはH2O RまたはでPythonの異常検出方法に関連する私の応答を参照することができstackexchangeそれはあまりにもスケーラブルであるため、。