多元高斯分布异常检测代码_检测服务器计算机中异常行为的高斯方法

异常检测是属于半监督学习的机器学习问题的另一种变体。它是半监督的，因为在异常检测(也通常称为离群点检测)中，模型通常涉及使用验证集标签匹配的参数，而训练过程不涉及训练集标签。此外，测试集标签还用于评估模型性能指标，如Accuracy，Precision，Recall，F1-Score和AUROC(ROC曲线下的面积)。

异常检测的一种常见方法是高斯分布。在该方法中，所有特征都在高斯分布上建模并且给定新的数据点，数据点的概率由高斯/正态分布函数给出。如果概率低于特定阈值(根据验证集上模型的性能设置)，则声称新数据点是异常值或离群值。

高斯/正态分布，均值=μ，标准偏差=σ

根据高斯/正态分布：

p(x)是高斯分布中x的概率

高斯分布异常检测算法：

有m个数据点(实例)，每个实例有n个选择的特征。

• 每个特征(j = 1 to n)的均值参数是合适的。

• 每个特征(j = 1 to n)的方差参数是合适的。