JMP > Dimensionsreduktion > Hochkorrelierte Variablen ausblenden (Gesamt N = 7300)?Hallo JMP-Community,
Ich habe einen umfangreichen Biomarker-Datensatz (7.300 Variablen), der mehrere Teilmengen hochkorrelierter Variablen (r > 0,95) enthält, die ich in repräsentative Variablen zusammenfassen möchte (dh eine aggregierte Variable für jede Gruppe hochkorrelierter Variablen). Während ich die stark korrelierten Variablenpaare leicht identifizieren kann, habe ich Probleme damit, alle Mitglieder jeder Gruppe zu identifizieren. Ich habe mit Clustering experimentiert, kann aber keine endgültige Antwort finden.
Gibt es eine Methode in den MultiVariate-Methoden, mit der ich diesen Datensatz reduzieren kann?
Beachten Sie, dass ich den Datensatz aus Vertraulichkeitsgründen nicht veröffentlichen kann.
Danke für Ihre Hilfe.
Am besten,
TS
AnalytikBetreff: JMP > Dimensionsreduktion > Hochkorrelierte Variablen ausblenden (Gesamt N = 7300)?Hallo JMP-Community,
Es scheint, dass ich dazu neige, einen Teil der Antwort kurz nach dem Posten zu finden. Schritt 1: Verwenden Sie die Variable Clustering-Plattform im Custer-Menü = abgeschlossen.
Nun, da ich die Variablen mit den Ergebnissen der meisten repräsentativen und Clustermitgliedschaft geclustert habe, was ist der beste Weg, um die Ausgabe auf meine Tabelle anzuwenden (ich gehe davon aus, dass JSL-Skript beteiligt ist).
Danke für Ihre Hilfe.
Am besten,
TS
Betreff: JMP > Dimensionsreduktion > Hochkorrelierte Variablen ausblenden (Gesamt N = 7300)?Hallo JMP-Community,
Nun, ich habe meine Frage gelöst. Nachdem ich die Variablen geclustert hatte (die Untermenge der Variablen mit einer Interkorrelation > 0,95), ordnete ich die Clustermitgliedschaft und die Repräsentativste dem ursprünglichen STACKED (Tall x Narrow Table) zu. Ich habe dann alle Zeilen ohne Zuordnung zu einem Cluster und diejenigen mit einem Namen ausgewählt, der dem Namen Repräsentativste, Teilmenge und Aufteilung nach Variable entspricht. Ich ging von 7.300 Variablen auf 5.700 (dh 22% Kollaps).
Am besten,
TS
Betreff: JMP > Dimensionsreduktion > Hoch korrelierte Variablen reduzieren (Gesamt N = 7300)?Ein weiterer Gedanke neben dem Clustering ist die Hauptkomponentenanalyse. Maßgeschneidert für die Reduzierung der Dimensionalität.
