机器学习之异常检测和推荐系统(吴恩达机器学习)

本文介绍了异常检测的基本概念、在飞机引擎和数据中心的应用,涉及正态分布、高斯分布和异常检测算法,以及与监督学习的对比。同时详细讲解了推荐系统,包括基于内容的推荐和协同过滤,展示了特征选择和低秩矩阵分解在优化中的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 异常检测

1.1 问题的动机

异常检测,Anomaly detection,常用于非监督学习,让我们用一个飞机引擎的异常检测例子来说明。

在这里插入图片描述

在这里插入图片描述

这个图表有什么用途呢?大意上给定一个新的测试数据 ![在这里插入图片描述](https://img-blog.csdnimg.cn/5a97cee8770a4f73a9792bfce4568d10.png)

(上图中的绿点),如果此样本在红色样本的中间,则我们可以认为其是正常的,否则我们认为这个引擎室异常的(下面那个绿点)。具体点说,这种方法叫做密度估计,表达式如下:

在这里插入图片描述

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

辣椒种子

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值