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
机器学习是魔鬼1 分钟前
矩池云实战: 用Gemma 4 + Open WebUI打造你的私人OpenAI
人工智能·chatgpt
嗝o゚1 分钟前
昇腾CANN ops-blas 仓:GEMM 算子的高性能实现
人工智能·gemm·ascend·cann算子
凯丨2 分钟前
Claude Code × agentmemory:安装与配置指南
人工智能
szxinmai主板定制专家6 分钟前
电力设备RK3568/RK3576+FPGA,多系统混合部署Linux+RTOS RT-THREAD,强实时性
linux·运维·服务器·人工智能·嵌入式硬件·fpga开发
liuyunshengsir6 分钟前
PyTorch 动态量化(Dynamic Quantization)
人工智能·pytorch·python
一个数据大开发10 分钟前
本体论与大模型的融合实践:知识图谱的下一个十年
人工智能·知识图谱
赋范大模型技术社区17 分钟前
对标 Codex、Claude Code,DeepSeek要做一个什么东西?
人工智能
OSwich18 分钟前
【 Godot 4 学习笔记】命名规范
笔记·学习·godot
IT_陈寒20 分钟前
Vite动态导入把我坑惨了,原来要这样用才对
前端·人工智能·后端