[深度之眼机器学习训练营第四期]异常检测

密度估计

如果随机变量$X$的概率分布函数满足
$$f(x)=\frac{1}{\sqrt{2\pi }\sigma }\exp \left(\frac{(x-\mu {)}^2}{2{\sigma }^2}\right)$$
其中$\mu$是均值，${\sigma }^2$是方差，我们就称$X$服从高斯分布，记作$X\sim \mathcal{N}(\mu ,{\sigma }^2)$。

对于数据集的每个特征，都拟合一个一元高斯分布分布函数，然后再把它们乘起来：

P ( x ) = P ( x 1 ; μ 1 , σ 1 2 ) P ( x 2 ; μ 2 , σ 2 2 ) P ( x 3 ; μ 3 , σ 3 2 ) ⋯ P ( x d