Recibí un buen consejo de Scott Allen hace unas semanas sobre el uso de agrupamiento de variables para reducir la complejidad del conjunto de datos. Tengo una tabla de datos muy amplia: 16 filas y 35 000 o más columnas. Extrañamente, si uso "Fast Ward" en el agrupamiento jerárquico y elijo "bidireccional" debajo del triángulo rojo, el agrupamiento bidireccional (por fila y por columna) ocurre en segundos. Sin embargo, no puedo encontrar la opción para encontrar la "columna más representativa" dentro de cada grupo, una opción si va directamente a "variables de grupo". Si agrego las 35,000 columnas a las variables de clúster en mi Mac con 64 GB de RAM, ni siquiera se acercará por completo (¡tal vez 5-10% después de tres días!). Mi pregunta es: ¿es posible extraer datos de la salida de Fast Ward del agrupamiento jerárquico que me daría la columna más representativa? De hecho, creo que puede haber (por ejemplo, regresión de datos sin procesar contra la media del grupo respectivo). Si no es así, es posible que deba incluir una solicitud en la Lista de deseos para que se agregue un algoritmo "rápido" a la plataforma de variables de clúster.
