Ciao,
Ho un ampio set di dati e sto cercando di provare un approccio di modellazione del consenso per individuare i modelli probabili all'interno del mio set di dati. Dal momento che questo sarà un approccio piuttosto ampio, ho solo alcune domande logistiche sulla sceneggiatura. Innanzitutto, analizzerò il flusso di lavoro di ciò che la modellazione sta cercando di ottenere.
Flusso di lavoro
1. Sottoinsieme di dati per una frequenza di campionamento casuale di 0,1.
2. Esegui l'analisi fattoriale per le colonne "y".
3. Utilizzando gli autovalori dell'analisi fattoriale, eseguire un cluster di medie K per il seguente numero di fattori:
- 3 fattori al numero di fattori con autovalori superiori a 1.
4. Rendi tutte le medie cluster nella tabella dei dati escluse le deviazioni standard.
5. Concatenare il passaggio 4 con il sottoinsieme di dati casuali campionati nel passaggio 1.
6. Creare una colonna di indicatori che distingua i campioni e le medie del cluster k-mean.
7. Ciclo per eseguire i passaggi da 1 a 6 n volte.
8. Creare una colonna dell'indicatore per distinguere ogni ciclo nella tabella di concatenazione finale.
Tutto questo può essere fatto uno alla volta, ma quello che sto cercando di ottenere qui è automatizzare questo processo attraverso molte iterazioni diverse e creare un dashboard per mostrare come i risultati sono cambiati attraverso la procedura di campionamento casuale.
Qualsiasi input su come codificare questi passaggi l'uno nell'altro sarebbe apprezzato. Il ciclo è ciò che mi sta dando fastidio poiché tutti gli altri passaggi (ad eccezione del passaggio 3) possono essere salvati nella tabella dati e il codice estratto.
