吴恩达机器学习笔记之异常检测

异常检测（anomaly detection）：

问题动机：

异常检测是一个常用的机器学习的算法，它虽然主要用于非监督学习问题，但是从某些角度来看，它又类似于一些监督学习问题。

以下面这组数据集为例，我们希望做的是，假设给定的数据集都是正常的，当给定一个新的样本时，我们判断它属于这组样本的概率可能性。

                   

在上图中，越靠近中心蓝色圈的数据属于该组数据的可能性就越高，反之则越低。这种方法我们称之为密度估计，表达式如下：

模型为我们其属于一组数据的可能性，通过来检测非正常数据。

异常检测的应用有：识别欺诈用户，检测数据中心是否有异常。

高斯分布（Gaussian （Normal）distribution）：

高斯分布也叫正态分布。一般记作X ~ N()，~表示X服从什么什么分布，N表示正态分布。高斯分布的数学形式为：

它的图像是一个山坡形的曲线，