Merge pull request #13 from tnakae/ParamTuning

In ``DAGMM.fit()``, it generates and stores triangular matrix of cholesky decomposition

of covariance matrix, and it is used in ``DAGMM.predict()``,

In addition to it, small perturbation (1e-3) is added to diagonal

In addition to it, small perturbation (1e-6) is added to diagonal

elements of covariance matrix for more numerical stability

(it is same as Tensorflow GMM implementation,

and [another author of DAGMM](https://github.com/danieltan07/dagmm) also points it out)

## Parameter of GMM Covariance ($\lambda_2$)

Default value of $\lambda_2$ is set to 0.0001 (0.005 in original paper).

When $\lambda_2$ is 0.005, covariances of GMM becomes too large to detect

anomaly points. But perhaps it depends on data and preprocessing

(for example a method of normalization). Recommended control $\lambda_2$

when performance metrics is not good.

``DAGMM.fit()``において、共分散行列のコレスキー分解をしておき、算出された

三角行列を ``DAGMM.predict()`` で利用しています。

さらに、共分散行列の対角行列にあらかじめ小さな値(1e-3)を加えることで、

さらに、共分散行列の対角行列にあらかじめ小さな値(1e-6)を加えることで、

安定的にコレスキー分解ができるようにしています。

(Tensorflow の GMM でも同様のロジックがあり、

[DAGMMの別実装の実装者](https://github.com/danieltan07/dagmm)も

同じ事情について言及しています)

## 共分散パラメータ $\lambda_2$ について

共分散の対角成分を制御するパラメータ $\lambda_2$ のデフォルト値は

0.0001 としてあります（論文では 0.005 がおすすめとなっている）

これは、0.005 とした場合に共分散が大きくなりすぎて、大きなクラスタ

が選ばれる傾向にあったためです。ただしこれはデータの傾向、および

前処理の手順（例えば、データの正規化の方法）にも依存すると考えられます。

意図した精度が得られない場合は、$\lambda_2$ の値をコントロールすることを

お勧めします。

    def __init__(self, comp_hiddens, comp_activation,

            est_hiddens, est_activation, est_dropout_ratio=0.5,

            minibatch_size=1024, epoch_size=100,

            learning_rate=0.0001, lambda1=0.1, lambda2=0.005,

            learning_rate=0.0001, lambda1=0.1, lambda2=0.0001,

            normalize=True, random_seed=123):

        """

        Parameters