Datos de desprendimiento antes del análisis de conglomeradosHola todos,
Tengo datos experimentales de cohorte de pacientes de 20 muestras. Para cada paciente tengo un conjunto de parámetros. Estos parámetros tienen diferentes escalones, algunos de los datos ELIZA se midieron con un rango de 0-6000 pg / ml, mientras que otros tienen un rango de porcentaje de células T de 0-100. Me gustaría realizar un análisis de clúster para mi selección para subgrupar mi muestra debido a las diferentes etapas de las enfermedades para el ejemplo. Mi pregunta es que, ¿debo volver a instalar los datos antes de ejecutar tal agrupación en clúster con JMP? porque, como veo, las personas están reorganizando sus datos (con la puntuación Z, por ejemplo) antes de agruparse con Python o R .. etc. Si necesito rescatar los datos, ¿cuál sería el mejor enfoque para eso?
Gracias de antemano por ayudarnos.
Re: Datos de desprendimiento antes del análisis de clusterK Means Clustering proporciona escala y esta opción está habilitada de forma predeterminada cuando inicia la plataforma.
Re: Datos de desprendimiento antes del análisis de clusterQuerida marca,
Gracias por su rápida respuesta. Sí, yo y mi asesor principal consideramos la agrupación jerárquica sin presunción para el número de agrupaciones. Pero, ¿qué pasa si consideramos agrupar usando K la media (de cource con pre supuesto para el número de cluster)? ¿No necesitamos también desprecio?
Saludos
Ahmed
Re: Datos de desprendimiento antes del análisis de clusterSupongo que pretende utilizar el agrupamiento jerárquico (no supervisado) para determinar el número y la identificación de los clústeres. No se requiere centrado o escalado para este método. Otros métodos multivariados se benefician del centrado y el escalado.
