吴恩达机器学习笔记53-高斯分布的算法（Algorithm of Gaussian Distribution）

　　如何应用高斯分布开发异常检测算法呢？

　　异常检测算法：
　　对于给定的数据集 𝑥(1), 𝑥(2), . . . , 𝑥(𝑚)，我们要针对每一个特征计算 𝜇 和 𝜎2 的估计值。

一旦我们获得了平均值和方差的估计值，给定新的一个训练实例，根据模型计算 𝑝(𝑥)：

当𝑝(𝑥) < 𝜀时，为异常。

下图是一个由两个特征的训练集，以及特征的分布情况：

下面的三维图表表示的是密度估计函数，𝑧轴为根据两个特征的值所估计𝑝(𝑥)值：

 

　　我们选择一个𝜀，将𝑝(𝑥) = 𝜀作为我们的判定边界，当𝑝(𝑥) > 𝜀时预测数据为正常数据，
否则为异常。

　　本节我们介绍了如何拟合𝑝(𝑥)，也就是 𝑥的概率值，以开发出一种异常检测
算法。同时，在本节中，我们也给出了通过给出的数据集拟合参数，进行参数估计，得到
参数 𝜇 和 𝜎，然后检测新的样本，确定新样本是否是异常