Hola,
Tengo un conjunto de datos extenso y estoy buscando probar un enfoque de modelado de consenso para seleccionar los patrones probables dentro de mi conjunto de datos. Dado que este será un enfoque bastante extenso, solo tengo algunas preguntas logísticas sobre el guión. En primer lugar, desglosaré el flujo de trabajo de lo que intenta lograr el modelado.
Flujo de trabajo
1. Subconjunto de datos con una frecuencia de muestreo aleatorio de 0,1.
2. Ejecute un análisis factorial para las columnas "y".
3. Con los valores propios del análisis factorial, ejecute un grupo de K-medias para el siguiente número de factores:
- 3 factores al número de factores con valores propios superiores a 1.
4. Convierta todas las medias de los conglomerados en una tabla de datos excluyendo las desviaciones estándar.
5. Concatenar el paso 4 con el subconjunto de datos aleatorios muestreados en el paso 1.
6. Cree una columna de indicador que distinga muestras y medias de conglomerados de k medias.
7. Haga un bucle para ejecutar los pasos 1 a 6 n cantidad de veces.
8. Cree una columna de indicador para distinguir cada ciclo en la tabla de concatenación final.
Todo esto se puede hacer uno a la vez, pero lo que estoy tratando de lograr aquí es automatizar este proceso a través de muchas iteraciones diferentes y crear un tablero para mostrar cómo cambiaron los resultados a través del procedimiento de muestreo aleatorio.
Se agradecería cualquier aportación sobre cómo codificar estos pasos entre sí. El bucle es lo que me está causando dolor, ya que todos los demás pasos (con la excepción del paso 3) se pueden guardar en la tabla de datos y extraer el código.
Solo una actualización de mis pasos e hipo para obtener información adicional.
Después de realizar un subconjunto de la tabla de datos y ejecutar un análisis factorial, ¿cómo extraigo los valores propios como una cadena para usar más adelante en mi codificación?
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 />)
El siguiente paso será escribir esa cadena en mi código para poder ejecutar K-means en ese rango.
