計算每個特征的平均值。這里我們只有兩個特征：0和1。s ＝ np．sum（df， axis＝0）

mu ＝ s／m

mu

輸出：0    14．112226

1    14．997711

dtype： float64

根據(jù)上面“公式和過程”部分中描述的公式，讓我們計算方差：vr ＝ np．sum（（df － mu）＊＊2， axis＝0）

variance ＝ vr／m

variance

輸出：0    1．832631

1    1．709745

dtype： float64

現(xiàn)在把它做成對角線形狀。正如我在概率公式后面的“公式和過程”一節(jié)中所解釋的，求和符號實際上是方差var＿dia ＝ np．diag（variance）

var＿dia

輸出：array（［［1．83263141， 0．        ］，

      ［0．        ， 1．70974533］］）

計算概率：k ＝ len（mu）

X ＝ df － mu

p ＝ 1／（（2＊np．pi）＊＊（k／2）＊（np．linalg．det（var＿dia）＊＊0．5））＊ np．exp（－0．5＊ np．sum（X ＠ np．linalg．pinv（var＿dia） ＊ X，axis＝1））
p

訓練部分已經(jīng)完成。下一步是找出閾值概率。如果概率低于閾值概率，則樣本數(shù)據(jù)為異常數(shù)據(jù)，但我們需要為我們的特殊情況找出那個閾值。對于這一步，我們使用交叉驗證數(shù)據(jù)和標簽。對于你的案例，你只需保留一部分原始數(shù)據(jù)以進行交叉驗證�，F(xiàn)在導入交叉驗證數(shù)據(jù)和標簽：cvx ＝ pd．read＿excel（＇ex8data1．xlsx＇， sheet＿name＝＇Xval＇， header＝None）

cvx．head（）

標簽如下：cvy ＝ pd．read＿excel（＇ex8data1．xlsx＇， sheet＿name＝＇y＇， header＝None）

cvy．head（）

把＇cvy＇轉(zhuǎn)換成NumPy數(shù)組。y ＝ np．a(chǎn)rray（cvy）

輸出：＃ 數(shù)組的一部分

array（［［0］，
      ［0］，
      ［0］，
      ［0］，
      ［0］，
      ［0］，
      ［0］，
      ［0］，
      ［0］，

這里，y值為0表示這是一個正常的樣本，y值為1表示這是一個異常的樣本。選擇閾值首先讓我們再檢查一下概率值。p．describe（）

輸出：count    3．070000e＋02

mean     5．905331e－02

std      2．324461e－02

min      1．181209e－23

25％      4．361075e－02

50％      6．510144e－02

75％      7．849532e－02

max      8．986095e－02

dtype： float64