吴恩达机器学习ex8

第一部分 异常检测

这一部分实现异常检测算法，检测服务器的异常行为。

1.高斯分布

使用高斯模型来检测数据集中的异常数据。
公式：

μ：均值；σ^2：方差


实现代码计算上述两个参数，需要注意的是在octave中，计算方差时，分母使用m-1，而不是m

mu = sum(X) / m;
sigma2 = sum((X - mu) .^ 2) / (m-1);

2.选择阈值ε

确定哪些数据异常的一种方法是根据交叉验证集选择一个阈值。可以通过交叉验证集的F1分数实现算法来选择阈值。
F1分数由精确度（prec）和召回率（rec）计算得来：

精确度和召回率的计算公式：

tp：实际为正样本，分类结果为正样本（真正）
fp：实际为负样本，分类结果为正样本（假正）
fn：实际为正样本，分类结果为负样本（假负）
这里我们把异常数据标记为y=1，也就是正样本；正常的数据标记为y=0，为负样本。

bestEpsilon = 0;
bestF1 = 0;
F1 = 0;

stepsize = (max(pval) -