Qualche settimana fa ho ricevuto un buon suggerimento da Scott Allen per l'utilizzo del clustering variabile per ridurre la complessità del set di dati. Ho una tabella dati molto ampia: 16 righe e 35.000 o più colonne. Stranamente, se utilizzo "Fast Ward" sotto il clustering gerarchico e scelgo "a due vie" sotto il triangolo rosso, il clustering a due vie (per riga e per colonna) si verifica in pochi secondi. Tuttavia, non riesco a trovare l'opzione per trovare la "colonna più rappresentativa" all'interno di ciascun cluster, un'opzione se vai direttamente a "variabili cluster". Se aggiungo tutte le 35.000 colonne alle variabili cluster sul mio Mac con 64 GB di RAM, non si avvicinerà nemmeno completamente (forse il 5-10% dopo tre giorni!). La mia domanda è: è possibile estrarre i dati dall'output di Fast Ward dal clustering gerarchico che mi darebbe la colonna più rappresentativa? In realtà penso che potrebbe esserci (ad esempio, regredire i dati grezzi rispetto alla media del rispettivo cluster). In caso contrario, potrei aver bisogno di inserire una richiesta nella Wish List per aggiungere un algoritmo "veloce" alla piattaforma delle variabili del cluster!
