El método de detección de valores atípicos basado en histogramas (HBOS) es ampliamente utilizado gracias a su eficiencia computacional y simplicidad. Sin embargo, dado que asume independencia entre características, su capacidad para detectar valores atípicos en conjuntos de datos donde las interacciones entre características son significativas es limitada. En este artículo, proponemos el método de detección de valores atípicos basado en histogramas extendido (EHBOS), una mejora de HBOS que incorpora histogramas bidimensionales para capturar las dependencias entre pares de características. Esta extensión permite a EHBOS identificar anomalías contextuales y basadas en dependencias que HBOS no detecta. Utilizando 17 conjuntos de datos de referencia, evaluamos la eficacia y robustez de EHBOS en diversos escenarios de detección de anomalías. EHBOS supera a HBOS en varios conjuntos de datos donde las interacciones entre características son cruciales para definir la estructura de la anomalía, logrando mejoras significativas en el AUC de ROC. Estos resultados demuestran que EHBOS puede ser una valiosa extensión de HBOS para modelar dependencias complejas de características. Especialmente en conjuntos de datos donde las anomalías contextuales o relacionales juegan un papel importante, EHBOS proporciona una nueva y poderosa herramienta de detección de anomalías.
