基于共识的 K 均值建模你好，
我有一个广泛的数据集，我希望尝试一种共识建模方法来挑选我的数据集中可能的模式。 由于这些将是一个非常广泛的方法，我只有一些关于脚本的逻辑问题。 首先，我将分解建模试图实现的工作流程。
工作流程
1. 随机子集数据集 - 采样率为 0.1。
2. 对“y”列运行因子分析。
3. 使用因子分析中的特征值，针对以下数量的因子运行 K 均值聚类：
- 特征值大于 1 的因子数的 3 个因子。
4. 将除标准差外的所有聚类均值放入数据表中。
5. 将步骤 4 与步骤 1 中采样的随机数据子集连接起来。
6. 创建区分样本和k-mean聚类均值的指标列。
7. 循环运行步骤 1 到 6 n 次。
8. 创建指标列以区分最终连接表中的每个循环。
所有这一切都可以一次完成，但我在这里试图通过许多不同的迭代来自动化这个过程，并创建一个仪表板来展示结果如何通过随机抽样过程发生变化。
任何关于如何将这些步骤相互编码的输入将不胜感激。 循环是让我感到悲伤的原因，因为所有其他步骤（步骤 3 除外）都可以保存到数据表中并提取代码。
脚本编写回复：通过共识进行 K 均值建模只是更新我的步骤和打嗝以获取更多信息。
在对数据表进行子集化并运行因子分析后，如何将特征值提取为字符串以供稍后在编码中使用？
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 />)
下一步是将该字符串写入我的代码中，以便我可以在该范围内运行 K-means。
