1 多元高斯分布模型
1.1 算法步骤
- 对于给定的数据集,针对每个特征计算 μ \mu μ(均值)和 Σ \Sigma Σ(协方差)
μ j = 1 m ∑ i = 1 m x j ( i ) \mu_j=\frac{1}{m}\sum_{i=1}^{m}x_j^{(i)} μj=m1i=1∑mxj(i)
Σ = 1 m X T X \Sigma=\frac{1}{m}X^TX Σ=m1XTX - 根据获得的 μ \mu μ(均值)和 Σ \Sigma Σ(协方差),给定新的训练集,根据模型计算p(x)
p ( x ) = 1 ( 2 π ) n 2 ∣ Σ ∣ 1 2 e x p ( − 1 2 ( x − μ ) T Σ − 1 ( x − μ ) ) p(x) = \frac{1}{(2\pi)^\frac{n}{2}|\Sigma|^\frac{1}{2}}exp(-\frac{1}{2}(x-\mu)^T\Sigma^{-1}(x-\mu)) p(x)=(2π)2n∣Σ∣