寻求可识别多聚类分析结果中始终同簇元素组的算法

当然有方法可以实现这个需求，核心是基于元素对在所有聚类结果中的共现情况来筛选，下面是几种直接实用的方案：

1. 共现矩阵+连通分量分析 #

这是最直接的思路：

• 先构建一个样本数×样本数的共现矩阵，矩阵中cooccur[i,j]代表样本i和j在多少次聚类中被分到同一簇。
• 因为你要的是“始终同簇”，所以设定阈值为总聚类次数——只有当cooccur[i,j]等于总次数时，认为i和j是稳定同簇的。
• 把满足条件的元素对转化为图的边，然后找这个图的连通分量，每个连通分量就是一组在所有聚类结果中都同属一簇的元素。

举个例子：如果你跑了5种聚类（average、single、complete、ward层次聚类+1种HDBSCAN），那只有当两个样本在这5次聚类里全部分到同一簇，才会被连边，最终连通起来的集合就是你要的稳定簇。

2. 硬投票+传递闭包合并 #

如果不想构建完整矩阵，也可以用更轻量化的方式：

• 遍历所有样本对，统计它们同簇的次数，直接筛选出同簇次数等于总聚类数的样本对。
• 再通过传递闭包把这些样本对合并成最大的集合：比如如果i和j稳定同簇，j和k稳定同簇，那i、j、k就属于同一组。

这种方法逻辑简单，不需要复杂的矩阵运算，适合样本量不大的场景。

实现示例（Python） #

用基础工具就能快速实现，比如结合numpy和networkx：

import numpy as np
import networkx as nx

# 假设cluster_results是存储所有聚类标签的列表，每个元素是一维数组（每个值对应样本的簇ID）
total_clusters = len(cluster_results)
n_samples = len(cluster_results[0])

# 初始化共现矩阵
cooccur_matrix = np.zeros((n_samples, n_samples), dtype=int)

# 填充共现矩阵
for labels in cluster_results:
    # 遍历所有样本对
    for i in range(n_samples):
        for j in range(i + 1, n_samples):
            if labels[i] == labels[j]:
                cooccur_matrix[i, j] += 1
                cooccur_matrix[j, i] += 1

# 构建只包含100%共现边的图
stable_graph = nx.Graph()
for i in range(n_samples):
    for j in range(i + 1, n_samples):
        if cooccur_matrix[i, j] == total_clusters:
            stable_graph.add_edge(i, j)

# 获取所有稳定簇
stable_groups = list(nx.connected_components(stable_graph))

注：如果你的聚类结果中存在噪声点（比如HDBSCAN的-1标签），需要提前处理——比如把噪声点排除在分析外，或者明确规则（比如只要某次被标记为噪声，就不纳入稳定簇）。

内容的提问来源于stack exchange，提问作者Ivan Z