不要把 p(x1) p(x2) 分开建模,而要建立一个p(x) 整体的模型,就是一次性建立 p(x) 的模型。
改良版的异常检测算法:多元高斯分布或者多元正态分布
多元高斯分布的参数:向量 µ,一个 n×n 矩阵 Σ, Σ 被称为协方差矩阵(主成分分析也出现了协方差矩阵)
Σ 的行列式, 使用 Octave 命令det(Sigma) 来计算
多元高斯分布最重要的优势:它能够描述当两个特征变量之间可能存在正相关或者是负相关关系的情况
不要把 p(x1) p(x2) 分开建模,而要建立一个p(x) 整体的模型,就是一次性建立 p(x) 的模型。
改良版的异常检测算法:多元高斯分布或者多元正态分布
多元高斯分布的参数:向量 µ,一个 n×n 矩阵 Σ, Σ 被称为协方差矩阵(主成分分析也出现了协方差矩阵)
Σ 的行列式, 使用 Octave 命令det(Sigma) 来计算
多元高斯分布最重要的优势:它能够描述当两个特征变量之间可能存在正相关或者是负相关关系的情况