基於共識的 K 均值建模你好，
我有一個廣泛的數據集，我希望嘗試一種共識建模方法來挑選我的數據集中可能的模式。 由於這些將是一個非常廣泛的方法，我只有一些關於腳本的邏輯問題。 首先，我將分解建模試圖實現的工作流程。
工作流程
1. 隨機子集數據集 - 採樣率為 0.1。
2. 對“y”列運行因子分析。
3. 使用因子分析中的特徵值，針對以下數量的因子運行 K 均值聚類：
- 特徵值大於 1 的因子數的 3 個因子。
4. 將除標準差外的所有聚類均值放入數據表中。
5. 將步驟 4 與步驟 1 中採樣的隨機數據子集連接起來。
6. 創建區分樣本和k-mean聚類均值的指標列。
7. 循環運行步驟 1 到 6 n 次。
8. 創建指標列以區分最終連接表中的每個循環。
所有這一切都可以一次完成，但我在這裡試圖通過許多不同的迭代來自動化這個過程，並創建一個儀表板來展示結果如何通過隨機抽樣過程發生變化。
任何關於如何將這些步驟相互編碼的輸入將不勝感激。 循環是讓我感到悲傷的原因，因為所有其他步驟（步驟 3 除外）都可以保存到數據表中並提取代碼。
腳本編寫回复：通過共識進行 K 均值建模只是更新我的步驟和打嗝以獲取更多信息。
在對數據表進行子集化並運行因子分析後，如何將特徵值提取為字符串以供稍後在編碼中使用？
Data Table(
"Data"
) << Subset(
Output Table( "Subset" ),
Sampling Rate( 0.1 ),
Selected columns only( 0 )<BR />Factor Analysis(<BR />Y(<BR />:Column1, :Column2<BR />),<BR />Variance Estimation( "Row-wise" ),<BR />Variance Scaling( "Correlations" )<BR />)
下一步是將該字符串寫入我的代碼中，以便我可以在該範圍內運行 K-means。
