Выбор предиктора кластерного анализа латентного класса
Я хочу выполнить скрытый кластерный анализ классов по 6 дихотомическим переменным и вычислить апостериорную вероятность принадлежности к классу для каждого массива ответов этих 6 переменных для каждого субъекта.
- Мои коды работают как минимум с 3 переменными в качестве входных данных и не имеют макс и кластеров на два класса.
- У меня есть золотой стандарт для моих данных, чтобы проверить точность апостериорной вероятности с AUROC.
Проблема в том, что у меня нет критерия для выбора переменных. Мой алгоритм выполнил все 42 возможных комбинации переменных (от комбинации 6, взятой от 3 до 6, взятой от 6), и я могу найти лучшую комбинацию с самым высоким AUROC, но это не сработает в ситуациях, когда нет золотого стандарта,
Я проверил статистику капли Fleiss, но комбинация с самой высокой каппой не имеет самого высокого AUROC. Есть ли статистика, которая может показать лучшую комбинацию переменных, не имея золотого стандарта?