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