Python 异常检测 (Pyod) 未收敛

Question

我正在试验 PYOD 使用 CBLOF 进行异常检测。我无法使用此算法标记异常。我发现当我运行 CBLOF 算法时它抛出以下错误：

ValueError：缓冲区 dtype 不匹配，预期 'INT' 但得到 'long long'

异常被忽略：'sklearn.cluster._k_means._assign_labels_csr' ValueError：缓冲区 dtype 不匹配，预期 'INT' 但得到 'long long'

这导致：

ValueError：无法形成有效的簇分离。请更改 n_clusters 或更改聚类方法

CBLOF 算法似乎依赖于 sklearn.cluster，并且从 pyod 传递给 skelearn 的预期数据类型不是预期的。

以下是我为 CBLOF 使用不同参数准备的四个场景。请注意，无论更改这些参数如何，都会抛出相同的错误。

我也尝试过使用肘部法改变簇大小来找到 Kmeans 场景中的最优 K。

示例代码：

from pyod.models.cblof import CBLOF
import pyod.utils as ut
from sklearn import cluster

#create some data
data = ut.data.generate_data()[0]

#scenario 1 - use default CBLOF parameters
model = CBLOF()
clusters = model.fit_predict(data)

#scenario 2 - use kmeans as a centroid estimator
n_clusters = 3
kmeans = cluster.KMeans(n_clusters)
model = CBLOF(n_clusters = n_clusters, clustering_estimator = kmeans)
clusters = model.fit_predict(data)

#test if scaling the data makes a difference
data_scaled = (data - data.min())/(data.max()-data.min())

#scenario 3 - no clusters specified, use defaults, scaled data
model = CBLOF()
clusters = model.fit_predict(data_scaled)

#scenario 4 - use kmeans as a centroid estimator, scaled data
n_clusters
kmeans = cluster.KMeans(n_clusters)
model = CBLOF(n_clusters = n_clusters, clustering_estimator = kmeans)
clusters = model.fit_predict(data_scaled)

我使用的所有包都是最新的，我也尝试过在我的输入数组中使用不同的数据类型。

为什么会抛出这些错误？

Answer 1

是否可以直接在 https://github.com/yzhao062/pyod/issues 上打开问题报告，以便我们跟踪正在发生的事情？

可能需要一些调查:)

Answer 2

问题是由于 sklearn 和 PyOD 没有更新。

Python 异常检测 (Pyod) 未收敛

Python Anomaly Detection (Pyod) is not converging

python

anomaly-detection