双向聚类与聚类变量几周前，我从 Scott Allen 那里得到了一个关于使用变量聚类来降低数据集复杂性的好建议。 我有一个非常宽的数据表：16 行和 35,000 或更多列。 奇怪的是，如果我在层次聚类下使用“Fast Ward”并在红色三角形下选择“双向”，则双向聚类（按行和按列）会在几秒钟内发生。 但是，我找不到在每个集群中查找“最具代表性的列”的选项，如果您直接转到“集群变量”，则可以选择该选项。 如果我将所有 35,000 列添加到具有 64 GB RAM 的 Mac 上的集群变量中，它甚至不会接近完全（三天后可能增加 5-10%！）。 我的问题是：是否可以从层次聚类的 Fast Ward 输出中提取数据，从而为我提供最具代表性的列？ 我实际上认为可能存在（例如，根据相应集群的平均值回归原始数据）。 如果没有，我可能需要放入一个愿望清单，请求将“快速”算法添加到集群变量平台！
数据混合和清理数据探索和可视化苹果系统回复：双向聚类与聚类变量像这样的愿望清单总是一个好主意。 但在那之前...不确定这是否有效...有点笨拙，我不知道我建议的数学背后是否有效...但是你可以对每个集群进行子集化吗？ 然后对每个集群进行 PCA。 然后，在特征值帕累托、得分和加载图之间，您可以通过后门方式找到最具代表性的列吗？ 喜欢听听这里其他人的想法吗？
回复：双向聚类与聚类变量谢谢。 我认为您有所发现，值得一提的是，在 20-25,000 列左右的某个地方似乎存在计算“中断”。 我的意思是：对于 25,000 个分析物（给予或接受），它将在 24-36 小时内运行（这对我来说是可以接受的），但超过这个数字就会挂起。 因此，我可能会使用预测器或响应屏幕（甚至列查看器）来剔除没有变化或变化很小的样本，将大约 35,000 个列减少到 20-25,000 个，然后使用那些“可变”分析物运行它。 但我确实认为，即使仅对所有分析物使用 PCA 也能让我感受到有效的冗余，尤其是这些蛋白质中的许多蛋白质将彼此相关！
回复：双向聚类与聚类变量我认为@P_巴特尔的建议很好。 变量聚类方法“在幕后”使用 PCA，并使用特征值来帮助确定最具代表性的变量。
双向聚类没有特征值或任何其他标准来帮助确定最具代表性的聚类。 因此，在双向聚类之后使用 PCA 将是模仿变量聚类所发生情况的一种方法。
回复：双向聚类与聚类变量伟大的。 谢谢你们俩。 我稍后会在这里尝试一下，但听起来它应该能够满足我的需求。
