悟空云平台交流视频第六十七期---《聚类筛选变量》

你好！本期悟空云带来聚类筛选变量。

进入悟空云：

https://www.omicsolution.com/platform.html

见功能圈--7.回归和机器学习--23. 聚类选择变量(Variable Selection for Gaussian Model-Based Clustering)

在高维数据分析中，变量数量多、冗余高、噪声重，直接聚类很容易受到无关特征干扰，导致分群结果分离度不足、解释困难。这一期介绍的聚类变量选择方法，基于高斯混合模型的模型聚类框架，以 BIC 作为模型比较依据，通过变量纳入或移出模型后的 BIC 变化，评估各变量对样本分群结构的贡献，从而筛出承载聚类信息的变量子集。

这类方法适合蛋白组、代谢组、脂质组等连续型高维数据，也适合样本异质性探索、潜在亚型发现、候选标志物预筛、聚类前特征压缩等分析任务。对于缺乏可靠标签、希望从数据内部结构出发识别关键特征的研究者，这是一条很实用的分析路径。

本期视频详细介绍了在悟空云平台的数据准备与全流程操作，有需要的老师和同学可以了解下，动手操作试试。