机器学习----无监督学习算法之异常检测

本文探讨了异常检测中的无监督学习方法,特别是基于高斯分布的策略。介绍了如何评估异常检测系统,强调了异常检测与监督学习的区别,并详细讨论了异常检测的参数选取,包括如何处理非高斯分布属性和选择有用特征。同时,解释了多元高斯分布的概念及其在异常检测中的应用。

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

(一)异常检测---基于高斯(正态)分布

m个训练样本,每个样本有n个features

即m个样本的每个属性集都呈现高斯分布,因此有以下计算:


例子如下:

(二)评价异常检测系统

将所有数据按照60%,20%,20%的比例分成三部分,分别为training set、cross validation set和test set
评论
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
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