当 consensus index 分别是 0、0.2、0.5、1 时，CDF 曲线的含义和递增趋势，以及什么样的趋势说明聚类结果稳定靠谱。
- Consensus Index（共识指数）：两个样本在重复聚类中被分到同一组的频率，取值从 0（从不一起）到 1（总是一起）。
- CDF（累积分布函数）：横坐标是共识指数阈值 x，纵坐标是所有样本对中共识指数 ≤ x 的比例。
| Consensus Index (横轴 x) | CDF(x) 含义（纵轴 y） | 解读 |
|---|---|---|
| 0 | 有多少样本对从不一起分组（共识指数=0） | 样本对之间完全不同组 |
| 0.2 | 有多少样本对共识指数 ≤ 0.2 | 绝大多数重复聚类时没怎么同组 |
| 0.5 | 有多少样本对共识指数 ≤ 0.5 | 这些样本对一半时间以下在同组 |
| 1 | 所有样本对共识指数 ≤ 1（必然为100%） | 累计所有样本对 |
3. CDF 曲线递增过程怎么看？
-
曲线从左下角 (0,0) 开始，到右上角 (1,1) 结束，代表所有样本对的共识指数分布。
-
曲线斜率反映了样本对共识指数分布的“密集区间”：
-
陡峭上升段表示大量样本对集中在某个共识指数范围内。
-
平缓段表示样本对共识指数分布比较分散。
-
4. 什么样的递增趋势是好聚类？
🎯 理想稳定的聚类，CDF 曲线应该：
-
在0~0.1附近保持低值（CDF低）
表示只有少数样本对从不一起分组，样本内部稳定。 -
在0.8~1区间迅速陡升
表示大部分样本对被高度稳定地聚到一起，说明组内一致性高。 -
整体曲线呈“S”型，左低右高，且右端快速趋近 1。
5. 不理想的聚类，CDF 曲线特点：
-
曲线过早陡升（如在0~0.2就快速上升）
说明有很多样本对从不一起（过多零共识指数对），组间界限太强，可能分得过细或不合理。 -
曲线中段平缓，增长缓慢
表示很多样本对处于中等共识指数，聚类不稳定，样本关系不明确。 -
曲线接近对角线（线性递增）
说明聚类几乎是随机的，不存在明显的稳定分组。
| 共识指数 x | CDF(x) 举例 | 解释 |
|---|---|---|
| 0 | 0.1 | 10% 样本对从未在同组（较少，合理） |
| 0.2 | 0.15 | 15% 样本对共识指数 ≤ 0.2（不多） |
| 0.5 | 0.3 | 30% 样本对共识指数 ≤ 0.5（少，合理） |
| 1 | 1 | 所有样本对都统计完毕 |
如果曲线在0.2左右就到0.6、0.7了，则说明太多样本对共识指数低，聚类结果不稳定。
| CDF 递增趋势 | 说明 | 聚类质量 |
|---|---|---|
| 左侧平缓，右侧陡升 | 组内一致，组间区分清楚 | 好 |
| 过早陡升 | 很多样本对共识指数低，划分不合理 | 差 |
| 线性递增 | 聚类随机，没有稳定结构 | 差 |
什么是 Delta Area Plot？
- 它是 累积分布函数（CDF）曲线面积变化 的图形表现。
- 每个聚类数 k（比如 2、3、4……）对应一个 CDF 曲线。
- Delta Area Plot 显示的是：
从 k-1 到 k 时，CDF 曲线下面积增加的大小（增量）
为什么要看这个图？
- CDF 曲线下面积越大，说明聚类结果越稳定。
- Delta Area Plot 告诉我们：
增加一个聚类数，稳定性提升了多少？
怎么看 Delta Area Plot？
- 横轴是聚类数 k，例如 k=2, 3, 4, …
- 纵轴是面积增量值，表示从 k-1 到 k 的面积提升幅度。
判断最佳 k 的依据：
- 当 k 从小增大时，面积增量一般会变大，说明稳定性提升明显。
- 当面积增量开始明显减小且趋近于0时，说明再增加聚类数对稳定性提升有限。
- 这个拐点附近的 k 往往是最佳聚类数选择。
举例说明：
- k=2 到 k=3，面积增量很大 → 划分的稳定性提升明显
- k=3 到 k=4，面积增量稍微变小
- k=4 到 k=5，面积增量非常小，趋近于0 → 增加更多聚类数没啥用
这时你可以选 k=4 作为最佳聚类数。
Delta Area Plot 帮助我们找到“稳定性提升的拐点”，最佳 k 通常是面积增量开始显著减小的那个聚类数。
纵坐标代表Item-consensus values。k值不同时，每个样本都会有一个对应不同簇的item-consensus values。竖条代表每一个样本，竖条按从下到上递增的值进行排序，高度代表该样本的总item-consensus values。每个样本的顶部都有一个小矩形，小矩形的颜色代表该样本被分到了哪一簇。
ꔷ 该图提供了给定k下所有其他集群的样本一致性图，可以查看样本是否是集群中非常“纯粹”的成员，或者它是否与多个集群共享高度一致性（多种颜色的列中的大矩形），表明它是不稳定或“不纯粹”的成员。 这些值可用于选择“核心”样本，它们高度代表集群。 此外，也可以帮助决策簇数量