雙向聚類與聚類變量幾週前，我從 Scott Allen 那裡得到了一個關於使用變量聚類來降低數據集複雜性的好建議。 我有一個非常寬的數據表：16 行和 35,000 或更多列。 奇怪的是，如果我在層次聚類下使用“Fast Ward”並在紅色三角形下選擇“雙向”，則雙向聚類（按行和按列）會在幾秒鐘內發生。 但是，我找不到在每個集群中查找“最具代表性的列”的選項，如果您直接轉到“集群變量”，則可以選擇該選項。 如果我將所有 35,000 列添加到具有 64 GB RAM 的 Mac 上的集群變量中，它甚至不會接近完全（三天后可能增加 5-10%！）。 我的問題是：是否可以從層次聚類的 Fast Ward 輸出中提取數據，從而為我提供最具代表性的列？ 我實際上認為可能存在（例如，根據相應集群的平均值回歸原始數據）。 如果沒有，我可能需要放入一個願望清單，請求將“快速”算法添加到集群變量平台！
數據混合和清理數據探索和可視化蘋果系統回复：雙向聚類與聚類變量像這樣的願望清單總是一個好主意。 但在那之前...不確定這是否有效...有點笨拙，我不知道我建議的數學背後是否有效...但是你可以對每個集群進行子集化嗎？ 然後對每個集群進行 PCA。 然後，在特徵值帕累托、得分和加載圖之間，您可以通過後門方式找到最具代表性的列嗎？ 喜歡聽聽這裡其他人的想法嗎？
回复：雙向聚類與聚類變量謝謝。 我認為您有所發現，值得一提的是，在 20-25,000 列左右的某個地方似乎存在計算“中斷”。 我的意思是：對於 25,000 個分析物（給予或接受），它將在 24-36 小時內運行（這對我來說是可以接受的），但超過這個數字就會掛起。 因此，我可能會使用預測器或響應屏幕（甚至列查看器）來剔除沒有變化或變化很小的樣本，將大約 35,000 個列減少到 20-25,000 個，然後使用那些“可變”分析物運行它。 但我確實認為，即使僅對所有分析物使用 PCA 也能讓我感受到有效的冗餘，尤其是這些蛋白質中的許多蛋白質將彼此相關！
回复：雙向聚類與聚類變量我認為@P_巴特爾的建議很好。 變量聚類方法在“幕後”使用 PCA，並使用特徵值來幫助確定最具代表性的變量。
雙向聚類沒有特徵值或任何其他標準來幫助確定最具代表性的聚類。 因此，在雙向聚類之後使用 PCA 將是模仿變量聚類所發生情況的一種方法。
回复：雙向聚類與聚類變量偉大的。 謝謝你倆。 我稍後會在這裡嘗試一下，但聽起來它應該能夠滿足我的需求。
