import?numpy?as?np
import?random
import?matplotlib.pyplot?as?plt

def?TXTtoNumpy（TXTfilename?lableState=False?Print=False?delim?=?‘\t‘）:
????‘‘‘

????:param?TXTfilename:?Path?about?TXT?file
????:param?lableState:?True?for?have?labels?of?data
????:param?print:?to?print?info?about?data
????:param?delim:?to?split?‘\t‘
????:return:
????‘‘‘
????TXTfr?=?open（TXTfilename）
????TXTList?=?TXTfr.readlines（）
????stringArr?=?[line.strip（）.split（delim）?for?line?in?TXTList]


????n_examples?=?len（stringArr）

????if?lableState:
????????n_features?=?len（stringArr[0]）-1
????????labels?=?np.zeros（n_examples）
????????labels?=?[int（line[n_features]）?for?line?in?stringArr]
????else:
????????n_features?=?len（stringArr[0]）

????if?Print:
????????print（“n_examples:?“?n_examples）
????????print（“n_features:?“?n_features）

????floatList?=?np.zeros（（n_examples?n_features））

????for?i?in?range（0?n_features）:
????????floatList[:i]?=?[float（line[i]）?for?line?in?stringArr]

????if?lableState:
????????return?floatList?labels
????else:
????????return?floatList

def?GaussianParamEstimation（npArr?GaussianType?=?‘Normal‘）:

????‘‘‘

????:param?npArr:?shape=（n_examples?n_features）
????:param?GaussianType:?‘Normal‘?or?‘Multi‘
????:return:
????‘‘‘

????n_features?=?npArr.shape[1]

????#?mean?=?np.zeros（n_features）
????mean?=?np.average（npArr?axis=0）

????if?GaussianType?==?‘Normal‘:
????????#?std?=?np.zeros（n_features）
????????std?=?np.std（npArr?axis=0）

????????return?mean?std

????elif?GaussianType?==?‘Multi‘:
????????sigma?=?np.cov（npArr?-?mean?rowvar=0）

????????return?mean?sigma

def?NormalGaussion（X?mean?std）:

????‘‘‘

????:param?X:?shape=（1?n_features）
????:param?mean:?shape=（1?n_features）
????:param?std:?shape=（1?n_features）
????:return:
????‘‘‘

????n_feature?=?X.shape[1]

????P?=?1;

????for?i?in?range（0n_feature）:
????????temp1?=?（?1?/?（np.sqrt（2*np.pi）?*?std[i]））
????????temp2?=?np.exp（?-pow（X[:i]?-?mean[i]?2）?/?（2?*?pow（std[i]2）））
????????P?=?P?*?（temp1?*?temp2）

????return?P

def?MultiGaussion（X?mean?sigma）:

????‘‘‘
????:param?X:?shape=（1?n_features）
????:param?mean:??shape=（1?n_features）
????:param?sigma:?shape=（n_features?n_features）
????:return:
????‘‘‘

????temp1?=?（?1?/?（pow（2*np.pi?np.pi/2）?*?np.sqrt（np.linalg.det（sigma））））
????temp2?=?np.dot（（X-mean）?np.linalg.inv（sigma））
????temp3?=?np.exp（?（-1/2）?*?np.dot（temp2?（X-mean）.T））
????P?=?temp1?*?temp3

????return?P

def?AnomalyDetection（npArr?labels?iterations?lamda_step=0.001?lamda=0.001）:

????‘‘‘

????:param?npArr:?shape=（n_examples?n_features）
????:param?labels:??shape=（n_examples?1）
????:param?iterations:
????:param?lamda_step:
????:param?lamda:
????:return:
????‘‘‘

????n_examples?=?npArr.shape[0]
????n_features?=?npArr.shape[1]

????#?將labels的列表類型轉為numpy類型
????labels?=?np.array（labels）.reshape（n_examples?1）

????#?找出標記為非0（異常樣本）的索引
????anomalyIndex?=?[]
????for?i?in?range（0?n_examples）:
????????if（labels[i:i+1:]?!=?0）:
????????????anomalyIndex.append（i）

????#?根據異常樣本索引得

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-04-26?09:08??AnomalyDetection\
?????文件????????4527??2019-04-26?08:59??AnomalyDetection\testSet3.txt
?????文件????????7509??2019-04-26?09:08??AnomalyDetection\Anomaly_detection.py