吴恩达机器学习入门——异常检测

高斯分布

对于高斯函数的参数：u为均值，δ²为方差。

异常检测算法

首先，选择很有可能出现异常的样本x_i，然后进行数据拟合得到$\mu$和δ² ，最后计算对于新给出的事件，计算p（x），如果p（x）<$\epsilon$,则判断为异常。
下面就是一个例子。

开发和评估异常检测系统

对于一个飞机引擎检测系统来说，我们把数据分成训练集、交叉验证集、测试集，其中异常的样本也放进CV和test集中。

算法评估：首先，利用无标签的训练集来拟合出模型p（x），然后把模型应用到交叉验证集和测试集中，并对样本贴上标签。

异常检测与监督学习的区别

异常检测是针对正样本的个数很少，负样本的个数很多的情况。而监督学习是在有大量的正样本和负样本的前提下。

异常检测算法的特征

如果给出的数据直方图表示并不是高斯分布的，最后通过数据转换，使其为高斯分布，这样可能对算法进行加速。

多变量高斯分布

通过给定数据进行拟合，得到均值和方差。然后把新的样本数据代入p（x）。