3.1 发现异常事件（Finding unusual events）
x t e s t {x_{test}} xtest是异常吗？引入事件发生的概率：
p ( x t e s t ) < ε p\left( {
{x_{test}}} \right) < \varepsilon p(xtest)<ε————flag anomaly
p ( x t e s t ) ⩾ ε p\left( {
{x_{test}}} \right) \geqslant \varepsilon p(xtest)⩾ε————“OK”
3.2 高斯 / 正态分布（Gaussian / Normal Distribution）
高斯分布：
p ( x ) = 1 2 π σ e − ( x − μ ) 2 2 σ 2 p\left( x \right) = \frac{1}{
{\sqrt {2\pi } \sigma }}{e^{\frac{
{ - {
{\left( {x - \mu } \right)}^2}}}{
{2{\sigma ^2}}}}} p(x)=2πσ1e2σ2−(x−μ)2
其中：
μ = 1 m ∑ i = 1 m x ( i ) \mu = \frac{1}{m}\sum\limits_{i = 1}^m {
{x^{\left( i \right)}}} μ=m1i=1∑mx(
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
