hdbscan有效性索引报错：dtype不匹配及零尺寸数组问题求助

错误1：Buffer dtype mismatch, expected 'double_t' but got 'float' #

原因 #

hdbscan底层Cython实现的有效性指标计算逻辑仅支持float64（double）类型输入，而你的特征向量是float32，导致类型不匹配。

解决 #

将特征向量转换为float64类型：

feature_vectors = feature_vectors.astype(np.float64)

错误2：ValueError: zero-size array to reduction operation maximum which has no identity #

原因 #

DBCV计算需要为每个聚类构建内部最小生成树（MST），但你的聚类标签中存在仅包含单个样本的聚类——单个样本无法生成MST，导致代码尝试对空数组执行max()操作时抛出错误。

解决 #

预处理过滤掉样本数≤1的聚类，只保留有效聚类的特征和标签：

import numpy as np

# 统计每个聚类的样本数量
unique_labels, label_counts = np.unique(archive_labels, return_counts=True)
# 筛选出样本数≥2的有效聚类
valid_clusters = unique_labels[label_counts >= 2]
# 生成过滤掩码
filter_mask = np.isin(archive_labels, valid_clusters)
# 过滤特征和标签
filtered_features = feature_vectors[filter_mask].astype(np.float64)
filtered_labels = archive_labels[filter_mask]

# 重新计算DBCV分数
dbcv_score_output = hdbscan.validity.validity_index(filtered_features, filtered_labels)

额外说明 #

• 转换为float64后出现的invalid value encountered in true_divide警告，本质也是单样本聚类导致的，过滤后会自动消失
• 原始的overflow encountered in power警告是float32精度不足引发的，转成float64即可解决

内容的提问来源于stack exchange，提问作者Faisal Aldhuwayhi