Update readme.md

AnomalyDetection/readme.md

@@ -15,7 +15,7 @@
 ## 基本信息
 
 - 贡献人员：**梁家晖**，李玲，李芝翔，赵可，陈信达
-- 学习周期：16天，每天平均花费时间2小时-5小时不等，根据个人学习接受能力强弱有所浮动。
+- 学习周期：15天，每天平均花费时间2小时-5小时不等，根据个人学习接受能力强弱有所浮动。
 - 学习形式：理论+实践
 - 人群定位：熟悉数据挖掘的基本方法，对学习异常检测算法有需求的学员。
 - 先修内容：[Python编程语言](https://github.com/datawhalechina/team-learning-program/tree/master/Python-Language)、[编程实践（Numpy）](https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy)、[编程实践（Pandas）](https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToPandas)、[编程实践（数据可视化）](https://github.com/datawhalechina/fantastic-matplotlib)
@@ -37,15 +37,16 @@
 - 组队、修改群昵称
 - 熟悉打卡规则。
 
-### Task01：异常检测介绍（1天）
+### Task01：异常检测介绍（2天）
 
 * 了解异常检测基本概念
 * 了解异常检测基本方法
 
-### Task02：基于统计学的方法（2天）
+### Task02：基于统计学的方法（3天）
 
 * 掌握基于高斯分布的异常检测方法
 * 理解非参数异常检测方法
+* 掌握HBOS算法
 
 ### Task03：线性模型（3天）
 
@@ -59,15 +60,7 @@
 
 ### Task05：高维异常检测（3天）
 
-* 了解子空间方法思想
-
-* 掌握HBOS算法
-
-
-### Task06：集成方法（3天）
-
 * 了解集成方法的思想
-
 * 理解feature bagging原理
 
 * 掌握孤立森林算法
@@ -75,8 +68,6 @@
 
 
 
-
-
 **关于Datawhale**：
 
 >Datawhale是一个专注于数据科学与AI领域的开源组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员。Datawhale以“for the learner，和学习者一起成长”为愿景，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时Datawhale 用开源的理念去探索开源内容、开源学习和开源方案，赋能人才培养，助力人才成长，建立起人与人，人与知识，人与企业和人与未来的联结。