由于传感器巨大增加和事物互联网（物联网）的快速增长，复杂技术系统中的罕见事件对许多工业和商业领域来说都是非常有趣的和批评问题。为了检测正常操作期间的异常和预见机器故障，已经研究了各种类型的预测性维护（PDM）技术。在这些技术中，对于多维数据集的无监督异常检测方法对于许多实际情况来说是更感兴趣的。因此，在这个演示中，我已经选择了三种典型方法。
1. Htelling的T-Square方法
2.高斯混合模型
3.单级SVM
为了模拟现实情况，在此演示中，我将使用C-MAPSST提供的数据集（商业模块化机动驱动系统刺激）[1,2]。
[1] A. Saxena，K.Goebel，D. Simon和N.Eklund，“飞机发动机碰到故障模拟的损伤传播建模”，国际预测和健康管理国际会议（2008年）。
[2] TurboOman发动机劣化模拟数据集，https://ti.art.nasa.gov/tech/dash/groups/pcoe/prognostic-data-repository/#turbofan.