估計μ和Σ:
然后將μ和Σ加進異常檢測算法之中:
原來的模型之中,Σ除了對角線之外,其他的元素都為0,所以原來的模型的投影是和X軸Y軸對稱的,也就是說是多變量高斯分布的特例:
對比:
原始模型中我們可能需要創建新的特征,但是在多變量高斯分布我們不需要創建新的變量(對比之前的投影來看)。
使用多變量高斯分布,當Σ不可逆時,我們需要增加m、減少多余的特征(線性相關)。
估計μ和Σ:
然后將μ和Σ加進異常檢測算法之中:
原來的模型之中,Σ除了對角線之外,其他的元素都為0,所以原來的模型的投影是和X軸Y軸對稱的,也就是說是多變量高斯分布的特例:
對比:
原始模型中我們可能需要創建新的特征,但是在多變量高斯分布我們不需要創建新的變量(對比之前的投影來看)。
使用多變量高斯分布,當Σ不可逆時,我們需要增加m、減少多余的特征(線性相關)。