为什么从几个属性值组合合在一起作为一个根因，而不是分别从单个属性组合去找根因

[iamsuarez]

data_p, data_n = self.get_derived_dataframe( frozenset(elements[:partition]), cuboid=cuboid, reduction=lambda x: x, return_complement=True, subset_indices=np.concatenate([indices, self.normal_indices]))

elements[:partition]，若partition大于1时，是几个属性值组合合在一起作为一个根因，计算score分数，这样寻找根因的原因是什么？为什么不是一个个去计算单个属性值组合的score分数？ 比如，layer=1，省份这个cuboid下，按照descent_score排序后，elements=[北京、江苏]，partition=1，先去计算 省份=北京 这个score分数。Partition=2时，去计算省份=北京&省份=江苏合在一起的score分数。为啥不是partition=1计算 省份=北京 这个score分数 ,partition=2时，去计算 省份=江苏 这个score分数 麻烦作者，给出解释，谢谢！

[lizeyan]

GPS分数计算的时候会将当前 cluster 和正常 cluster 中的最细粒度粒度属性组合分为属于根因（S1）和不属于根因两类（记为 S2）。对于 S1，我们期待它们有异常，并且服从 GRE。对于 S2，我们期待它们没有异常。 如果分开计算每个 candidate element 的 GPS，那么 S2 中就也会包含异常最低粒度属性组合，GPS 分数就不准确，

[iamsuarez]

您好，作者：那您的思想就是占比越大（decent_score越大），越能成为根因，但是排在后面的GPS有可能更大，如果排在后面的属性组合更大，但是后面的属性组合就没有机会去计算GPS了。也就是说：占比越大（decent_score越大），越能成为根因，这个结论成立的理论基础是什么呢？