在第（1）步不是已经找到异常值，为什么把满足deviation-score所有点进行聚类？

[iamsuarez]

您好，大佬，有个疑问，想请教您下，若您有空了，请回复下，谢谢！疑问如下：
cluster_list = list(
[list(
filter(lambda x: np.min(self.leaf_deviation_score[]) <= self.leaf_deviation_score[x] <= np.max(
self.leaf_deviation_score[]), np.arange(len(self._f)))
)
for _ in cluster_list]
)
在整个数据集中，若满足deviation-score的点，都会进入类中。这样做的理论是什么？
若这样子做非常好，个人感觉那倒不如直接在第1步就用deviation-score而不是偏差？
个人感觉去掉再聚类这一步（去掉上面代码），是不是更好些？这样完全是根据第一步的偏差以及第二步的deviation-score来判断叶子节点是否是异常（找出从哪些点出发，去找事件的根因）。
麻烦作者，给出解释，谢谢！