您可以从一些有趣的图表和转换开始，每个都取决于您的分析目的。以下是我可能会采取的一些第一步。

1. 如果只是在视觉上寻找集群：
   如果集群是您所追求的，那么我建议对数据集应用主成分分析，然后以前 2 个主成分为轴绘制数据集。但是，PCA 的主要缺点是您必须“解包”主成分才能找到原始变量。换句话说，您可能能够识别出很酷的集群，但是将发现与您的 32 个变量联系起来会有点困难。

2. 如果要寻找要建立的变量之间的快速关系：
   使用“仅”32 个变量，您可以进行成对绘图。然而，更聪明的方法可能是首先在数学上识别关系（例如相关性），然后绘制这些变量。

3. 如果在每个变量中寻找快速关系来构建：或者，从 32 个直方图开始。寻找清晰的双峰（或更多），开始拼凑了解您的变量如何有助于无监督模型。如果您最终查看 32 个单峰直方图，那么您可以尽早得出结论，无论您如何聚类，您最终都会得到一个 blob。

实际上，在通常的分析工作流程中，我会采用 3 > 2 > 1。但如果我正在寻找集群并且只是想看看集群是否会出现，PCA 将是一个很好的捷径。

此外，请随意对您的数据集进行采样。屏幕上的 90k 点可能弊大于利。