一、Multivariate Gaussian Distribution(多元高斯分布)
数据中心例子:
因为上面的原因,会带来一些误差,因此我们引入了改良版的算法:
我们不再单独地将p(x1),p(x2),p(x3)训练模型,而是将这些参数都放在一个模型里,
下面用几张图形象的看一下高斯分布:
图一:μ取在原点,改变的值
图二:μ取在原点,改变左下-右上方向的值。
图三:改变μ的值,使其不在原点上:
二、Anomaly Detection using the Multivariate Gaussian Distribution
使用多元高斯分布的异常检测:
(1)通过利用μ和Σ拟合模型p(x)
(2)给出测试样本,利用公式,若p<ε,则将其标记为异常样本。
多元高斯分布模型和之前模型的关系:
之前的模型:
多元高斯分布模型:
原有的模型其图形方向是沿坐标轴方向,即不同特征之间不能建立相关性,若Σ只有对角线上有元素且其余元素为0,则多元高斯模型也可以用之前的模型表示,即若Σ是下面的形式,则二者等同:
下面是之前的模型和多元高斯模型的比较:
通常情况下,左边的模型比较常用,一般手动增加一些特征。但是若m很大,n很小,即能够很好地满足m≥10n,则右边的模型也是值得考虑的,使用右边的模型可以省去手动建立新特征的时间。