每天五分钟机器学习：使用多元高斯分布升级异常检测算法

本文重点

前面学习的异常检测算法使用的是高斯分布，但是它会有一些问题，本节课程我们使用多元高斯分布。

高斯分布的问题

现在有一个数据集，其中特征x1表示cpu的负载，特征x2表示内存使用量，如果我把这两个特征变量当作高斯分布来建模。建模效果如下所示：

 

我们可以看到如果这样建模的话，绿色样本看起来和很多红色样本一样，并不是异常的。但是可以看到这个绿×离其它红色任何数据都远，而且一个正常的样本应该是CPU负载和内存使用量是彼此线性增长的关系（内存使用量高，CPU负载也应该很高），所以这个样本应该是异常的样本，但是我们的算法对此却无能为力。

因为算法是根据判定边界来决定样本是否是异常样本的，我们可以看到绿×是符合最外面那个判定边界的（ε决定的），所以当我们使用此时的ε来判定时，我们的算法就会认定这个样本不是异常样本。

如何解决这个问题

第一个构建一个新特征=内存量/CPU负载

第二个我们可以想方设法让我们的算