Python异常检测（Pyod）未收敛

我正在尝试使用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，它会抛出以下错误：

ValueError:缓冲区数据类型不匹配，应为“INT”，但为“long”

“sklearn.cluster.\u k\u表示.\u分配\u标签\u csr”中忽略异常 ValueError:缓冲区数据类型不匹配，应为“INT”，但为“long”

其结果是：

ValueError:无法形成有效的群集分隔。请更改n_群集或更改群集方法

CBLOF算法似乎依赖于sklearn.cluster，从pyod传递给skelearn的预期数据类型并非预期的数据类型

下面是我使用CBLOF的不同参数准备的四个场景。请注意，无论这些参数如何更改，都会引发相同的错误

我还尝试使用弯头方法更改集群大小，以在Kmeans场景中找到最佳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)

我使用的所有软件包都是最新的，我还尝试在输入数组中使用不同的数据类型

---

为什么会抛出这些错误？

是否可以直接打开问题报告，以便跟踪发生的情况

---

可能需要进行一些调查：）

问题是由于sklearn和PyOD未更新

您是否将您的

数据

与其

pyod.utils.data.generate_data（）

进行了比较？你能在没有错误的情况下运行他们的示例代码吗？我已经更新了代码以使用你的建议。同样的错误仍然存在。ThanksI刚刚在存储库上打开了一个问题。