HBOS——基于频数直方图的无监督异常点检测算法

异常点检测是数据挖掘一个重要问题，当前的算法可以简单的分为监督、半监督和无监督的方法。对于存在标签的数据，监督算法是首选（能获得很好的效果），此时异常点检测可以等价于非平衡数据分类问题。但是，实际应用中往往只有正常样本的标签，这时需要无监督方法大显神威。无监督方法也更符合人类的认识行为。比如，一个人从来没有见过斑马，但是在一群马中他也可以很容易辨别出斑马，尽管完全不知道“斑马”是什么物种。

需要注意的是，很多有效的监督方法也是通过有机集成几种无监督方法构建。

HBOS（Histogram-based Outlier Score）是一种原理简单，且通常很有效的无监督算法。该方法为每一个样本进行异常评分，评分越高越可能是异常点。评分模型为：

                                                                              

假设样本p第 i 个特征的概率密度为 ，则p的概率密度可以计算为：