JMP > 降维 > 折叠高度相关的变量（总 N = 7300）？您好 JMP 社区，
我有一个广泛的生物标志物数据集（7,300 个变量），其中包含多个高度相关变量的子集（r > 0.95），我想将这些子集合并为代表性变量（即，每组高度相关变量的一个聚合变量）。 虽然我可以轻松识别出高度相关的变量对，但我正在努力识别每个组的所有成员。 我已经尝试过聚类，但我无法得到明确的答案。
MultiVariate Methods 中是否有允许我折叠此数据集的方法？
值得注意的是，由于机密性，我无法对数据集进行处理。
谢谢您的帮助。
最好的，
TS
分析回复：JMP > 降维 > 折叠高度相关的变量（总 N = 7300）？您好 JMP 社区，
似乎我倾向于在发布后很快找到部分答案。 步骤 1：使用 Custer 菜单下的 Variable Clustering 平台 = 已完成。
既然我已经将变量与可用的最具代表性和集群成员资格结果进行了聚类，那么将输出应用于我的表的最佳方法是什么（我假设将涉及 JSL 脚本）。
谢谢你的帮助。
最好的，
TS
回复：JMP > 降维 > 折叠高度相关的变量（总 N = 7300）？您好 JMP 社区，
嗯，我解决了我的问题。 在对变量（具有相关性 > 0.95 的变量子集）进行聚类后，我将聚类成员身份和最具代表性的与原始堆栈（高 x 窄表）相匹配。 然后，我选择了与集群没有关联的所有行以及名称与最具代表性、子集化和按变量名称拆分的行。 我从 7,300 个变量增加到 5,700 个（即 22% 崩溃）。
最好的，
TS
回复：JMP > 降维 > 折叠高度相关的变量（总 N = 7300）？除了聚类之外，您的另一个想法是主成分分析。 为降维量身定做。
