计算每个特征的平均值。这里我们只有两个特征：0和1。s ＝ np．sum（df， axis＝0）
mu ＝ s／m
mu
输出：0 14．112226
1 14．997711
dtype： float64
根据上面“公式和过程”部分中描述的公式，让我们计算方差：vr ＝ np．sum（（df － mu）＊＊2， axis＝0）
variance ＝ vr／m
variance
输出：0 1．832631
1 1．709745
dtype： float64
现在把它做成对角线形状。正如我在概率公式后面的“公式和过程”一节中所解释的，求和符号实际上是方差var＿dia ＝ np．diag（variance）
var＿dia
输出：array（［［1．83263141， 0． ］，
［0． ， 1．70974533］］）
计算概率：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
训练部分已经完成。下一步是找出阈值概率。如果概率低于阈值概率，则样本数据为异常数据，但我们需要为我们的特殊情况找出那个阈值。对于这一步，我们使用交叉验证数据和标签。对于你的案例，你只需保留一部分原始数据以进行交叉验证。现在导入交叉验证数据和标签：cvx ＝ pd．read＿excel（＇ex8data1．xlsx＇， sheet＿name＝＇Xval＇， header＝None）
cvx．head（）
标签如下：cvy ＝ pd．read＿excel（＇ex8data1．xlsx＇， sheet＿name＝＇y＇， header＝None）
cvy．head（）
把＇cvy＇转换成NumPy数组。y ＝ np．array（cvy）
输出：＃ 数组的一部分
array（［［0］，
［0］，
［0］，
［0］，
［0］，
［0］，
［0］，
［0］，
［0］，
这里，y值为0表示这是一个正常的样本，y值为1表示这是一个异常的样本。选择阈值首先让我们再检查一下概率值。p．describe（）
输出：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
