latency和threshold
正态(或者高斯)分布是一个常见的通用连续概率分布。 正态分布在统计学中很重要，并且通常在自然科学和社会科学中用于表示其分布未知的实值随机变量。具有高斯分布的随机变量被称为正态分布并且被称为正态偏差。
如下介绍�:
如果 x 是 正态分布，它的分布如下图所示：
- 代表均值,
- 方差.
- "~" 表示 "x 的满足��的分布是 ..."
那么高斯分布（某些_x_可能是具有特定均值和方差的分布的一部分的概率）由下式给出：
我们可以使用以下公式来为第 ith 个特征估计高斯参数(均值和方差)
- number of training examples.
- number of features.
我们有以下的训练集合：
我们假设训练集的每个特征都是符合正态分布的：
那么:
- 从可能的异常例子(
)中选择出特征
. - 使用以下公式
�拟合出参数 
- 给定新的样本 x, 计算出 p(x):
如果 
则异常
- 概率阈值.
设计出的算法将通过 F1 score 进行评估。
F1 score 是准确率和召回率的调和均值, 最理想的情况为 1 （最佳的准确率和召回率）,最坏的情况为 0。
其中:
tp - 真阳性(true positives)的样本数量。
fp - 假阳性(false positives)的样本数量。
fn - 假阴性(false negatives)的样本数量。