吴恩达机器学习笔记 三十四 异常检测算法 开发和评估一个异常检测系统

 事件发生的概率 p(x) 是各个特征的概率的乘积，因为他们是相互独立的。例如检测飞机发动机是否异常，概率为发动机很热的概率和振动很大的概率乘起来。

异常检测算法具体的步骤如下

举一个例子：

一个有 x1、x2 两个特征的数据集，这两个特征的高斯分布分别如图右边所示，将两个概率乘起来得到左下角的图，越靠近中心的概率越大，越可能是正常的，而边缘的概率更低，更可能是异常数据。

 

评估一个异常检测算法：

实数评估( real-number evaluating)：改变一个特征或者参数可以看出模型是否变得更好或更差 。

假设我们有一些有标签的数据，设 y = 0 为正常， y = 1 为异常，那么假设训练集的所有 y 都为 0 ，即使有几个实际上是 1 也不影响算法工作。如果有很少几个异常的样本，那么创建包含异常样本的交叉验证集和测试集，用交叉验证集调参数，用测试集看结果。