CDT工具中CCDr算法执行报错求助（三类数据均失效）

问题概述 #

基于CDT 0.6.0开展因果发现算法对比时，CCDr算法在混合、连续、离散三类数据上均无法正常运行：

• 临时文件可正常创建但随即被删除，已排除目录权限/访问限制问题
• 核心报错来自R进程：weights < -1 || weights > 1: length = 324 in coercion to logical(1)
• 最终触发“结果文件不存在”的错误
• 环境配置：Python 3.11.3、PyTorch 2.0.1、无GPU可用

1. 优先修复版本兼容性问题 #

CDT 0.6.0为2020年发布的旧版本，未适配Python 3.11，且依赖的R包存在版本冲突风险：

• 将Python降级至3.8~3.10区间（CDT官方文档明确兼容的版本范围）
• 锁定R依赖包的稳定版本：确保pcalg≤2.7-8、kpcalg≤1.4-1，在R环境中执行：

  install.packages(c("pcalg", "kpcalg"), version=c("2.7-8", "1.4-1"), dependencies=TRUE)
  

2. 修正数据预处理（解决权重越界报错） #

weights < -1 || weights > 1提示权重值超出[-1,1]合法范围，需针对性处理数据：

• 连续数据：使用sklearn.preprocessing.MinMaxScaler将特征缩至[-1,1]区间，或用StandardScaler标准化后调整范围
• 离散数据：检查编码后的类别值，排除异常极值，重新执行独热编码/标签编码并校验范围
• 混合数据：分离连续与离散特征分别处理后再合并，避免离散特征编码值干扰权重计算逻辑

3. 调试临时文件流程 #

虽已排除权限问题，但可强制指定临时目录并保留中间文件，定位R进程执行细节：

• 在测试脚本中添加以下代码：

  import tempfile
  import os
  # 指定自定义临时目录，保留中间文件不自动删除
  temp_dir = tempfile.mkdtemp()
  os.environ['TMPDIR'] = temp_dir
  # 执行CCDr后手动查看临时目录内的R脚本，在R环境中单独运行以定位报错行
  

  该错误通常是R脚本中误将向量当作标量做逻辑判断导致，手动执行可快速定位问题点

4. 适配无GPU环境 #

CCDr本身不依赖GPU，但需确保PyTorch CPU版本配置正确：

• 重新安装CPU版PyTorch：

  pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
  

• 验证CDT对CPU环境的识别：在脚本中添加print(cdt.utils.CPU)，确认返回True

内容的提问来源于stack exchange，提问作者Oriana Borges