data_mining:anomaly_detection

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision
Previous revision
data_mining:anomaly_detection [2014/08/30 15:06] – [Multivariate Normal Distribution] phreazerdata_mining:anomaly_detection [2014/08/30 17:00] (current) – [Schätzung von $\mu, \sigma$ (Normalverteilung)] phreazer
Line 7: Line 7:
  
 ===== Schätzung von $\mu, \sigma$ (Normalverteilung) ==== ===== Schätzung von $\mu, \sigma$ (Normalverteilung) ====
-$\mu_j = 1/m \sum_{i=1}^m x_j^{(i)}$+$\mu_j = \frac{1}{m\sum_{i=1}^m x_j^{(i)}$
  
 Vektorisierbar als $\mu = 1/m \sum_{i=1}^m x^{(i)}$ Vektorisierbar als $\mu = 1/m \sum_{i=1}^m x^{(i)}$
  
-$\sigma^2_j = 1/m \sum^m_{i=1} (x_j^{(i)}-\mu_j)^2$+$\sigma^2_j = \frac{1}{m\sum^m_{i=1} (x_j^{(i)}-\mu_j)^2$
  
 ===== Evaluierung durch Kennzahl ===== ===== Evaluierung durch Kennzahl =====
Line 54: Line 54:
 Parameter: Parameter:
 $\mu$ $\mu$
-Crosscorrelation Matrix: $\Sigma \in R^{n \n}$+Crosscorrelation Matrix: $\Sigma \in \mathbb{R}^{n \times n}$
  
 Vorteilhaft, wenn Features positiv/negativ korreliert. Vorteilhaft, wenn Features positiv/negativ korreliert.
  • data_mining/anomaly_detection.1409404015.txt.gz
  • Last modified: 2014/08/30 15:06
  • by phreazer