我处于以下情况：
数据：患者级别的静态基线健康数据，40 个特征，稀疏（~ 25 个二元特征，许多 0 或许多 1 + 其他分类特征）
目的：将实例聚类到具有临床意义的亚群或临床背景中，以了解处于风险中的亚群（关于后续结果）
考虑的方法 （请参阅这篇简短的博客文章（阅读 2 分钟）了解其基本原理）：
- 使用所有特征（不去噪或去除相关性）在后续结果上拟合随机森林
- 使用树叶中的共现来获得患者的相似度矩阵
- 变成距离矩阵
- 使用此距离矩阵对患者进行聚类
我的问题如下：
- 我只发现使用这种方法进行无监督聚类的文献（即在随机目标变量上学习 RF）：Shi and Horvath 2016和Dalleau 2018（未发表）。有没有人对这些方法有一般的见解（其他参考资料，个人经验......）？
- 您是否知道任何有关使用 RF 来创建相似矩阵的有监督的文章（提及或不提及聚类）？