吴恩达机器学习课程7-PCA和异常检测

14 PCA

1. 第二种无监督学习,降维
   
   
2. 可视化数据

• 50维数据降低到2维进行可视乎
  
  
  

3. 降维方法: PCA(主成成分分析)，降维会忽视一些空间信息，但是会最大限度保留最主要的空间信息

• 找到超平面，使得投影距离最小
  
• 向量化，PCA解决多维问题方法
  
• 与线性回归的区别
  

4. 主成成分分析:算法实现

• 数据归一化
  
• 应用PCA
  
• 确定投影向量(数学领域求解), 如何使用代码
  
  
  

15 异常检测问题 anonaly detection

1. anonaly detextion

• anonaly detection example
  
• 识别异常用户
  

2. Gaussian 分布(Normal distribution)
   
   
3. anonaly detection algorithm
   
   
   
4. 开发和评估异常检测系统
   
   
5. 异常检测和监督学习
   
   
6. 选择/设计特征

• 使数据接近高斯分布
  
• 计算特征
  
  

7. 多变量的高斯分布

• 多变量高斯分布
  
• 协方差矩阵
  
  
  

8. 使用多元高斯分布进行异常检测算法
   
   
   
   

参考

• 视频课程