Comment puis-je savoir à quel cluster appartient une nouvelle variable "le mieux" ?Salut,
J'aime l'analyse de clustering pour explorer mes ensembles de données. Souvent, j'ai un ensemble de patients qui sont clairement d'un type ou d'un autre, et certains patients dont le statut n'est pas clair. Ce que je veux souvent faire, c'est regrouper les patients dont les cas sont clairs à l'aide d'une série de variables explicatives, puis comparer les autres (un par un) pour essayer d'évaluer à quel groupe ils « appartiendraient » ou « ressembleraient le plus ». ". J'ai pensé à ajouter chaque patient "inconnu" un à la fois et à voir à quel cluster ils sont agrégés, mais presque toujours ils finissent par changer les clusters d'origine. Je serais reconnaissant d'entendre vos idées sur la façon de le faire.
merci,
Uriel.
Études de consommation et de marchéRe : Comment puis-je savoir à quel cluster appartient "le mieux" une nouvelle variable ?J'utilise définitivement cette approche avec des modèles. Bien que l'analyse discriminante ne soit pas idéale pour le scénario spécifique sur lequel je travaille actuellement (j'ai essayé), PLS et GenReg fonctionnent très bien. Mais le problème de clustering est différent, plus exploratoire, il montre toutes ou plusieurs variables en même temps, et il est plus facile à manipuler pour l'exploration.
Je me demande s'il existe une option pour "définir" les clusters, puis comparer d'autres lignes pour voir dans quelle mesure elles s'intègrent dans les clusters définis avec une métrique, ou après avoir analysé PCA une nouvelle ligne pour voir comment elle se décompose en les composants existants , des choses dans ce sens.
Merci pour votre suggestion !
Uriel
Re : Comment puis-je savoir à quel cluster appartient "le mieux" une nouvelle variable ?Salut Uriel,
Avez-vous envisagé l'analyse discriminante (Analyse > Méthodes multivariées > Analyse discriminante) ? Si ce n'est pas le cas, voici les étapes de base que je mettrais en œuvre :
1) En utilisant vos patients clairement diagnostiqués (Masquer et exclure les patients douteux), sélectionnez Diagnostic (ou tout ce que vous appelez leur statut) comme catégories X et vos variables comme Y, covariables
2) Exécutez l'analyse et sous le menu déroulant principal (triangle rouge), sélectionnez Options de score > Enregistrer la formule (plusieurs colonnes de calcul seront ajoutées à la fin de votre tableau)
3) Vérifiez votre ligne Cachée/Excluse pour laquelle la probabilité de Diagnostic est automatiquement calculée
Maintenant, cette méthode suppose qu'il y a un vrai diagnostic chez vos patients "de référence" qui pourrait ne pas être correct. Par conséquent, vous pouvez explorer l'effet de l'inclusion de TOUS les patients dans votre analyse discriminante qui ne supposera pas que certains patients sont plus importants que d'autres
Meilleur,
TS
