Machine Learning 混合高斯模型

Fraud detection的data set 分配：
10000 negative data（好的零件）=6000 training set+2000 CV +2000 test
20 positive data（出错零件） =0 training set 10 CV+10 test

*门限$\epsilon$可以使用CV来确定。

Anomaly detection(unsupervised) VS. Supervised learning, 使用高斯混合模型的情况:
1. positive examples 的数目<< negative examples(混合高斯模型的train只需要negative examples)
2. many different types of anomalies and there will be new types in the future， 由于positive少，很难确定出type，spam email不是这种情况，它的positive情况很明显。

*当数据分布不像高斯分布的时候可以取log之类的，使之更像高斯分布。

Original model VS. Multivariate Gaussian
1. Original model 是$\sigma$矩阵为对角阵情况下的一种特殊的Multivariate Gaussian模型
2. m>>n，一般m>10n时可以考虑使用Multivariate Gaussian模型