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
Raink老师1 分钟前
【AI面试临阵磨枪-59】企业内部 AI 系统权限、数据隔离、审计设计
人工智能·面试·职场和发展
吃好睡好便好4 分钟前
用for循环语句求和
开发语言·人工智能·学习·matlab·学习方法
萌新小码农‍4 分钟前
人工智能数学基础+python实例(人工智能学习day3)
开发语言·人工智能·python
圣殿骑士-Khtangc4 分钟前
AI Agent系统设计:稳定性不是靠模型更聪明,而是靠减少例外
人工智能
Swift社区10 分钟前
推动AI领导力:构建全栈开放的智能生态
人工智能·ai
玄米乌龙茶12317 分钟前
LLM成长笔记(五):提示词工程与模型调用
人工智能·笔记
h64648564h22 分钟前
CANN 昇腾 FP16 vs FP32 精度博弈:深度学习数值精度实战指南
人工智能·深度学习
霸道流氓气质24 分钟前
Spring AI 多工具链式调用(Tool Chain)极简实战
java·人工智能·spring
不脱发的程序猿27 分钟前
嵌入式软件工程师,怎么把 AI 工具用顺手?
人工智能·单片机·嵌入式硬件·嵌入式
莞凰31 分钟前
昇腾CANN的“御剑飞行“:ATB仓库探秘
人工智能·flutter·transformer