机器学习（四）：异常检测

0x01 异常检测思想

      机器学习中的异常检测分为两种，一种是无监督的异常检测，另一种为有监督的异常检测。无监督的异常检测即在没有标签的情况下，算法从一堆数据点中，挑选出其认为不正常的数据点。而有监督的异常检测为在对训练集提前设置好标签的前提下，算法对其进行划分。

     异常检测算法可以应用于发动机的挑选中，假设一个厂家生产了一系列发动机，然后根据其不同的特征值将每个发动机画在坐标图中，使用算法对其进行处理，从而找出异常点。异常点即有可能为出现故障的一个。分类结果如下图所示

0x02 算法实现

       异常检测主要依靠高斯分布来实现。通过计算数据的均值以及方差来确认数据的集中区域，数据集中区域的概率高，不集中的地方概率低。高斯分布如下图所示

其中，中间值为均值，高斯分布的胖瘦为方差。右图可知，越靠近均值的数据的概率越高，越偏离均值的数据的概率越低。因此，通过对每一个特征进行高斯分布，分别求数据点在每个特征的概率并相加，从而求该数据点的最终概率。

其公式如下所示：