机器学习-13(异常检测)

这是第十六部分了。。。。讲得是异常检测,非监督学习算法中的一种。

先举个课程里的例子来引开这部分的内容吧,对飞机引擎的异常检测,课程里选择了热量生成和振动强度两个特征来引入异常检测,使用大量的训练样本在二维坐标系中绘制出两个特征对应关系的图,此时有一个新引擎送来检测,通过这两个特征,咱可以通过判断其数据点是否在正常区域范围内与否,来分析其是否异常。

Anomaly detection example

异常检测例子:飞机引擎检测

根据上图,咱可以通过数据点的密集程度来判断异常情况,点越密集越正常,否则异常。可以通过使用一个阈值来辅助判断,小于阈值为异常,大于阈值为正常。 Continue reading “机器学习-13(异常检测)” >

机器学习笔记-11(聚类)

今天,来讲讲聚类算法。 这是课程中的第一个非监督机器学习算法,之前已经接触过,所以总体来说没啥难度。

监督学习算法和非监督学习算法的区别之前已经讲过了,这里就不多讲了,无非一个需要人工标注数据,一个是真正的自主学习,对于数据无需人工标注。

Supervised learning

监管学习

Continue reading “机器学习笔记-11(聚类)” >