使用Pyod库的HBOS方法进行异常检测

HBOS算法

1. 简介

1. HBOS全名为：
   Histogram-based Outlier Score。它是⼀种单变量⽅法的组合，不能对特征之间的依赖关系进⾏建模，但是计算速度较快，对⼤数据集友好。其基本假设是数据集的每个维度相互独⽴。然后对每个维度进⾏区间(bin)划分，区间的密度越⾼，异常评分越低。
2. 为每个数据维度做出数据直⽅图。对分类数据统计每个值的频数并计算相对频率。
3. 对每个维度都计算了⼀个独⽴的直⽅图，其中每个箱⼦的⾼度表⽰密度的估计。然后为了使得最⼤⾼
   度为1（确保了每个特征与异常值得分的权重相等），对直⽅图进⾏归⼀化处理。最后，每⼀个实例的
   HBOS值由以下公式计算：
   H B O S ( p ) = ∑ i = 0 d log ⁡ ( 1 hist ⁡