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
NAGNIP7 小时前
轻松搞懂全连接神经网络结构!
人工智能·算法·面试
moshuying9 小时前
别让AI焦虑,偷走你本该有的底气
前端·人工智能
董董灿是个攻城狮9 小时前
零基础带你用 AI 搞定命令行
人工智能
喝拿铁写前端11 小时前
Dify 构建 FE 工作流:前端团队可复用 AI 工作流实战
前端·人工智能
阿里云大数据AI技术12 小时前
阿里云 EMR Serverless Spark + DataWorks 技术实践:引领企业 Data+AI 一体化转型
人工智能
billhan201612 小时前
MCP 深入理解:协议原理与自定义开发
人工智能
Jahzo12 小时前
openclaw桌面端体验--ClawX
人工智能·github
billhan201612 小时前
Agent 开发全流程:从概念到生产
人工智能
threerocks12 小时前
过了个年,AI 圈变天了?但没人告诉你为什么
人工智能