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
guslegend几秒前
第1节:脚手架需求分析
人工智能·大模型
X54先生(人文科技)2 分钟前
关于“778之问”与“X54之答”的文明范式校验报告
人工智能·架构·开源·开源协议
完成大叔2 分钟前
Agent感知模式的5个工具方向
人工智能
用户5191495848452 分钟前
CheckCle - 开源全栈监控与事件管理平台
人工智能·aigc
li星野5 分钟前
RAG优化系列:切块策略深度解析——固定长度 vs 自适应标题(含AI评估与面试指南)
人工智能·面试·职场和发展
火山引擎开发者社区5 分钟前
ArkClaw 漫剧虾工作流实测:从一个主题到爆款漫剧成片
人工智能
05候补工程师6 分钟前
【408考研·数据结构专题】二叉树、树与森林、线索树及哈夫曼树核心考点与秒杀技巧深度总结
数据结构·经验分享·笔记·考研·算法
YOLO数据集集合7 分钟前
智慧道路病害分割识别|公路裂缝坑洞智能检测 无人机巡检深度学习数据集
人工智能·深度学习·无人机
Bacon7 分钟前
Gstack + Superpowers:当 AI 编程的"脑子"和"手脚"终于在一起了
前端·人工智能
weiwin1238 分钟前
MAF入门(2) 给 MAF Agent 加上 Function Tool——让 AI 真正调用你的代码
人工智能