机器学习-异常检测（高斯分布模型）-Python代码

最新推荐文章于 2023-11-28 19:59:54 发布

原创

最新推荐文章于 2023-11-28 19:59:54 发布 · 3.5k 阅读

32 ·

CC 4.0 BY-SA版权

本文介绍了一种基于高斯分布模型的异常检测方法，通过计算数据的均值和标准差（或协方差矩阵），并使用这些参数来评估新数据点属于同一分布的概率。如果概率低于设定的阈值，则认为该数据点是异常的。文中详细解释了如何使用Python实现这一过程，包括数据预处理、参数估计、异常检测和模型评估。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

知识点

机器学习-【8】异常检测（高斯分布模型）【手抄笔记】

运行效果

程序代码+数据下载

异常检测（高斯分布模型）+测试数据

程序

from tools import TXTtoNumpy
import numpy as np
import random
import matplotlib.pyplot as plt


def GaussianParamEstimation(npArr, GaussianType = 'Normal'):

    '''

    :param npArr: shape=(n_examples, n_features)
    :param GaussianType: 'Normal' or 'Multi'
    :return:
    '''

    n_features = npArr.shape[1]

    # mean = np.zeros(n_features)
    mean = np.average(npArr, axis=0)

    if GaussianType == 'Normal':
        # std = np.zeros(n_features)
        std = np.std(npArr, axis=0)

        return mean, std

    elif GaussianType == 'Multi