Ciao,
Mi piace l'analisi del clustering per esplorare i miei set di dati. Molte volte ho una serie di pazienti che sono chiaramente di un tipo o di un altro e alcuni pazienti con uno stato poco chiaro. Quello che spesso desidero fare è raggruppare i pazienti i cui casi sono chiari utilizzando una serie di variabili esplicative, e poi confrontare le altre (una per una) per cercare di valutare a quale cluster "appartengono" o "assomigliano di più ". Ho pensato di aggiungere ogni paziente "sconosciuto" uno alla volta e vedere a quale cluster si aggregano, ma quasi sempre finiscono per cambiare i cluster originali. Sarei grato di conoscere le tue idee su come farlo.
Grazie,
Uriel.
Sto decisamente usando questo approccio con i modelli. Sebbene l'analisi discriminante non sia eccezionale per lo scenario specifico su cui sto lavorando ora (ho provato), PLS e GenReg funzionano alla grande. Ma il problema del clustering è diverso, più esplorativo, mostra tutte o molte variabili contemporaneamente ed è più facile da manipolare per l'esplorazione.
Mi chiedo se esiste un'opzione per "impostare" i cluster e quindi confrontare altre righe per vedere quanto bene si adattano ai cluster impostati con qualche metrica, o dopo aver eseguito PCA analizzando una nuova riga per vedere come si decompone nei componenti esistenti , cose in questo senso.
Grazie per il tuo suggerimento!
Uriel
