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
Henry-SAP2 分钟前
SAP PP 反冲机制业务解析
人工智能·云原生·sap·erp
Akir.weiwen4 分钟前
⑤ 消费格式差异:同一份契约的四角色消费格式
人工智能·编译·设计规范·语义
广凌股份(广凌科技)5 分钟前
实验室安全检查包括哪些内容?智能管理平台筑牢校园实验安全防线
大数据·人工智能
差不多的周周6 分钟前
《MotionLLM:从人体运动和视频理解人类行为》论文核心部分详解
人工智能·深度学习·机器学习·计算机视觉·语言模型·音视频
麻雀飞吧14 分钟前
搜索“近期量化入门”时,先补交易理解再看 Python 和 API
人工智能·python
Leinwin19 分钟前
GPT-Image-2.5 API 上手:Flare 与 Sunburst 怎么选,成本怎么算
人工智能·gpt
星核0penstarry21 分钟前
B站AI大赛3万份投稿背后的真相:门槛下移后,新的壁垒是什么?
人工智能·个人开发·ai编程·自动写代码
新新学长搞科研34 分钟前
【EI检索丨院士主讲】2026年人工智能、大数据与社会计算国际学术会议(ABDSC 2026)
人工智能
广州山泉婚姻39 分钟前
C/C++动态内存:堆内存的申请、使用与释放
c++·人工智能
纪伊路上盛名在43 分钟前
Omni-Mol:用多模态大语言模型构建通用多任务分子模型
人工智能·语言模型·自然语言处理·蛋白质·通用模型·生物大分子·混合专家moe