吴恩达机器学习笔记 三十三 发现异常事件 高斯分布

例如飞机发动机的异常检测,假设只有两个特征,新的样本和之前的样本偏离的很多,就认为可能是异常的点。

一种方法是密度估计(density estimation),计算训练样本的 x 落在某个区间的概率,当验证集的样本的概率小于一个很小的数时,认为这种情况是异常的。

高斯分布 (Guassian distribution,也叫正态分布,normal distribution,钟形分布,bell-shape distribution)

如下图,这个曲线以 μ 为中心,表示的是 p(x),σ是标准差。

几个高斯分布的例子

μ 和 σ如下图所示,其中有些统计学家会用1/m-1替换1/m, 但这不是很重要。

相关推荐
智能汽车人1 分钟前
行业分析---领跑汽车2025第二季度财报
人工智能·microsoft
先做个垃圾出来………11 分钟前
迁移学习(Transfer Learning)
人工智能·机器学习·迁移学习
许泽宇的技术分享13 分钟前
ReAct Agent:让AI像人类一样思考与行动的革命性框架
人工智能·agent·react
UserNamezhangxi1 小时前
kotlin 协程笔记
java·笔记·kotlin·协程
eBest数字化转型方案1 小时前
2025年快消品行业渠道数字化营销系统全景透视与选型策略
人工智能
kkcodeer1 小时前
大模型Prompt原理、编写原则与技巧以及衡量方法
人工智能·prompt·ai大模型
DevSecOps选型指南2 小时前
SBOM风险预警 | NPM前端框架 javaxscript 遭受投毒窃取浏览器cookie
前端·人工智能·前端框架·npm·软件供应链安全厂商·软件供应链安全工具
rocksun2 小时前
MCP利用流式HTTP实现实时AI工具交互
人工智能·mcp
xiaok2 小时前
docker network create langbot-network这条命令在dify输入还是在langbot中输入
人工智能