目的：介紹無(wú)監(jiān)督學(xué)習(xí)異常檢測(cè)算法，主要是用高斯分布（正態(tài)分布）數(shù)據(jù)模型
1. Lesson 123 問(wèn)題動(dòng)機(jī)
????1. 目的：解釋異常檢測(cè)的背景也應(yīng)用場(chǎng)景
????2. 內(nèi)容：給到一定的數(shù)據(jù)集，無(wú)監(jiān)督訓(xùn)練并建立模型（p(x),高斯分布），當(dāng)p(x)<?時(shí)，代表異常
????3. 應(yīng)用場(chǎng)景：交易欺詐、網(wǎng)站登錄異常、服務(wù)器集群監(jiān)控等
2. Lesson 124 高斯分布
????1. 目的：介紹高斯分布（正態(tài)分布）
????2. 內(nèi)容：
??????1. 實(shí)數(shù)集x∈R，如果說(shuō)x服從均值μ，方差??2的正太分布，則記為：x～N(μ,??2)，其中μ空值曲線(xiàn)的中心，??^2空值寬度
??????2. 高斯分布公式
??????3. 標(biāo)準(zhǔn)正太分布，μ=0，,??=1
??????4. 均值μ、方差??^2公式
3. Lesson 125 算法
????1. 目的：介紹如何將高斯分布應(yīng)用于算法，以及如何開(kāi)發(fā)
4. Lesson 126 開(kāi)發(fā)和評(píng)估異常檢測(cè)
????1. 目的：評(píng)估異常檢測(cè)算法
????2. 內(nèi)容：
??????1. 最好是有正樣本的數(shù)據(jù)集，并且將正樣本分散到驗(yàn)證集和測(cè)試集中
??????2. 異常檢測(cè)本身也是一個(gè)非對(duì)稱(chēng)數(shù)據(jù)集，在具體評(píng)估時(shí)使用召回率（R=正確預(yù)測(cè)分類(lèi)數(shù)量/實(shí)際正樣本數(shù)量,評(píng)估覆蓋度）、準(zhǔn)確率（P=正確預(yù)測(cè)分類(lèi)數(shù)量/預(yù)測(cè)正樣本數(shù)量,評(píng)估準(zhǔn)確性）、F值（2(PR)/(P+R) ,F值越大越好）指標(biāo)進(jìn)行評(píng)估
5. Lesson 127 異常檢測(cè)與監(jiān)督學(xué)習(xí)
????1. 目的：解釋異常檢測(cè)和監(jiān)督學(xué)習(xí)的區(qū)別和不同應(yīng)用場(chǎng)景
????2. 內(nèi)容
??????1. 當(dāng)正樣本數(shù)量極少，負(fù)樣本數(shù)量極多（即非對(duì)稱(chēng)數(shù)據(jù)集）時(shí)建議使用異常檢測(cè)算法，且正樣本的異常情況不好預(yù)測(cè)
??????2. 當(dāng)數(shù)據(jù)集同時(shí)包括了大量正負(fù)樣本時(shí)，可以使用監(jiān)督學(xué)習(xí)
6. Lesson 128 選擇要使用的特征
????1. 目的：如何選擇或設(shè)計(jì)異常檢測(cè)算法的特征變量
????2. 內(nèi)容：
??????1. 首先畫(huà)出x的分布圖，看是否服從正太分布，如果不服從，可以用使用log（x+c）等函數(shù)使得x_new服從正太分布
??????2. 誤差分析，通過(guò)誤差分析找出異常值，并人工檢查看能否發(fā)現(xiàn)新的特征，比如衍生變量（x1/x2等）
7. Lesson 129 多變量高斯分布
????1. 目的：介紹原始多元分布的延伸，多元高斯分布
????2. 內(nèi)容：
??????1. 存在一種情況是單個(gè)獨(dú)立特征服從高斯分布，并不異常，但是組合起來(lái)就明顯異常，這個(gè)時(shí)候就需要用到多變量高斯分布
??????2. 多元高斯分布公式
8. Lesson 130 使用多變量高斯分布的異常檢測(cè)
????1.目的：講解多元高斯分布算法公式
????2.內(nèi)容
??????1.具體公式已經(jīng)放到上圖中
