Bonjour,
J'ai un vaste ensemble de données et je cherche à essayer une approche de modélisation par consensus pour identifier les modèles probables au sein de mon ensemble de données. Étant donné que cela va être une approche assez étendue, j'ai juste quelques questions logistiques sur le script. Tout d'abord, je vais décomposer le flux de travail de ce que la modélisation essaie de réaliser.
Flux de travail
1. Sous-ensemble de données par un taux d'échantillonnage aléatoire de 0,1.
2. Exécutez une analyse factorielle pour les colonnes « y ».
3. À l'aide des valeurs propres de l'analyse factorielle, exécutez un cluster de K-moyennes pour le nombre de facteurs suivant :
- 3 facteurs au nombre de facteurs dont les valeurs propres sont supérieures à 1.
4. Transformez toutes les moyennes de clusters en table de données à l'exclusion des écarts types.
5. Concaténer l'étape 4 avec le sous-ensemble de données aléatoires échantillonnées à l'étape 1.
6. Créez une colonne d'indicateurs qui distingue les échantillons et les moyennes de cluster k-moyennes.
7. Boucle pour exécuter les étapes 1 à 6 n fois.
8. Créez une colonne d'indicateur pour distinguer chaque boucle dans la table de concaténation finale.
Tout cela peut être fait un à la fois, mais ce que j'essaie de faire ici, c'est d'automatiser ce processus à travers de nombreuses itérations différentes et de créer un tableau de bord pour montrer comment les résultats ont changé grâce à la procédure d'échantillonnage aléatoire.
Toute contribution sur la façon de coder ces étapes les unes dans les autres serait appréciée. La boucle est ce qui me cause du chagrin car toutes les autres étapes (à l'exception de l'étape 3) peuvent être enregistrées dans la table de données et le code extrait.
