Scalling données avant l'analyse de clusterBonjour tous le monde,
J'ai des données expérimentales sur une cohorte de patients de 20 échantillons. J'ai un ensemble de paramètres pour chaque patient. Ces paramètres sont d’écaillement différent, certains d’ELIZA dat étant mesurés avec une plage de 0 à 6 000 pg / ml, tandis que d’autres, comme le pourcentage de cellules T, se situent dans une plage de 0 à 100. Je voudrais effectuer une analyse de groupe pour que mon patient ait sous-groupe mon échantillon en raison de différents stades de maladie, par exemple. Ma question est la suivante: dois-je regrouper les données avant d’exécuter une telle mise en cluster avec JMP? parce que, comme je le vois, les gens récupèrent leurs données (avec un score Z par exemple) avant de se regrouper avec python ou R .. etc. Si j'ai besoin de récupérer les données, quelle serait la meilleure approche pour cela.
Merci d'avance pour votre aide.
Re: Scalling données avant l'analyse de clusterK signifie que la mise en cluster fournit une mise à l'échelle et que cette option est activée par défaut lorsque vous lancez la plate-forme.
Re: Scalling données avant l'analyse de clusterCher Mark,
Merci pour cette réponse rapide. Oui, mon supérieur et moi considérons la mise en grappe hiérarchique sans pré-hypothèse pour le nombre de grappes. Mais qu'en est-il si nous envisageons de regrouper en utilisant K moyenne (de courcewith pré-hypothèse pour le numéro de cluster)? Avons-nous également besoin d'aucune écaillage?
Cordialement
Ahmed
Re: Scalling données avant l'analyse de clusterJe suppose que vous avez l’intention d’utiliser une classification hiérarchique (non supervisée) pour déterminer le nombre et l’identification des grappes. Le centrage ou la mise à l'échelle n'est pas requis pour cette méthode. D'autres méthodes multivariées bénéficient du centrage et de la mise à l'échelle.
