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
后端小肥肠4 分钟前
从n8n到Claude Skills:轻松搞定小红书热门美食手账,3分钟出图,小白也能会!
人工智能·aigc·agent
之歆10 分钟前
Coze 照片知识库深度解析:当 AI 学会「看图说话」
人工智能
苡~15 分钟前
【claude skill系列 - 10】Claude_Skill全栈实战_从0到1构建个人AI助手
人工智能·ai编程·api 中转站·稳定ai编程工具
小陈phd17 分钟前
多模态大模型学习笔记(五)—— 神经网络激活函数完整指南
人工智能·笔记·神经网络·学习·自然语言处理
曦云沐19 分钟前
第四篇:LangChain 1.0 Community 生态全览:第三方集成与厂商包最佳实践
人工智能·langchain·大模型开发框架
小叮当⇔26 分钟前
电动工具品牌简介
大数据·人工智能
wdfk_prog27 分钟前
[Linux]学习笔记系列 -- [drivers]char
linux·笔记·学习
bst@微胖子28 分钟前
PyTorch深度学习框架项目合集一
人工智能·pytorch·python
Axis tech29 分钟前
Xsens动作捕捉系统采集用于人形机器人AI大数据训练的精确运动数据
人工智能·深度学习·机器人
哔哩哔哩技术32 分钟前
视频生成推理加速实践:基于全局时间索引的序列并行 3D 位置编码优化
人工智能