2018年7月6日
吴恩达《机器学习》课程总结（15）异常检测
摘要： 15.1问题的动机 将正常的样本绘制成图表（假设可以），如下图所示： 当新的测试样本同样绘制到图标上，如果偏离中心越远说明越可能不正常，使用某个可能性阈值，当低于正常可能性阈值时判断其为异常，然后做进一步的检查。异常检测常用于工业生产、异常用户等实际场景中。 以上这种方法叫密度评估： 15.2高斯分 阅读全文
posted @ 2018-07-06 13:40 ysyouaremyall 阅读(734) 评论(4) 推荐(0) 编辑