系统聚类后，怎么判断测试集数据属于哪一个类？

现在有两个数据集：训练集(train set)和测试集(test set)。
利用proc cluster过程对训练集数据(train set)聚类之后，如何判断测试集数据(test set)中的样本属于哪一类？用SAS怎么实现？

1. data train;
   
2. input id x y;
   
3. datalines;
   
4. 1     15.4091      1.5491
   
5. 2     10.9082     -0.9675
   
6. 3     15.3822      1.8183
   
7. 4      9.5898     -2.4073
   
8. 5      9.9458      0.6724
   
9. 6     10.2291     -0.5715
   
10. 7      9.6450     -4.0562
    
11. 8     11.1216      3.2309
    
12. 9      2.0575      3.4359
    
13. 10     11.9938      3.7972
    
14. 11      9.4967     -4.1008
    
15. 12      4.9667      0.6011
    
16. 13     11.2794     -0.8699
    
17. 14      9.6067     -0.7234
    
18. 15     13.0185      0.3925
    
19. 16      4.8990     -1.6354
    
20. 17     11.1679      0.8643
    
21. 18     11.6815      2.3479
    
22. 19      8.4027     -3.3714
    
23. 20      7.7793     -8.8127
    
24. 21     14.3193      5.5325
    
25. 22      2.1550      3.5026
    
26. 23      8.6603     -2.6741
    
27. 24     15.1578      0.5084
    
28. 25      8.8174     -2.9932
    
29. 26     12.9201     -2.7144
    
30. 27      4.6989     -6.6903
    
31. 28     11.9450     -4.5623
    
32. 29     12.9990     -7.0821
    
33. 30     17.3872     -2.0966
    
34. 31     15.8118     -2.2684
    
35. 32     13.7049     -3.4502
    
36. 33     14.4304     -3.6925
    
37. 34      5.7314     -7.9326
    
38. 35      7.3310     -9.1295
    
39. 36      6.4758     -8.3618
    
40. 37     -0.7505      1.9121
    
41. 38      6.1170     -8.2503
    
42. 39      1.9303     -4.5581
    
43. 40     13.8314     -6.2995
    
44. 41      0.8887     -0.6846
    
45. 42      1.0783     -2.7695
    
46. 43      4.9339     -9.5764
    
47. 44      5.8186     -8.1148
    
48. 45     -0.3435      2.8181
    
49. 46     12.4756     -1.5845
    
50. 47      0.7985      4.9212
    
51. 48     14.5799     -2.1837
    
52. 49     -2.4897     -3.4639
    
53. 50     12.1440    -12.9824
    
54. ;
    
55. data test;
    
56. input id x y;
    
57. datalines;
    
58. 51      1.0054     -8.2956
    
59. 52     -0.3614     -1.2892
    
60. 53     -1.3917      3.6621
    
61. 54      0.1904      5.2448
    
62. 55      3.9498     -0.1230
    
63. 56     15.3575     -2.7960
    
64. 57     -0.3440      5.5702
    
65. 58      0.8296     -4.2619
    
66. 59     13.3376     -6.0623
    
67. 60      6.0856    -11.3700
    
68. ;
    
69. run;
    
70. 
    
71. proc cluster data=train method=density R=0.5 outtree=outtree ccc pseudo ;/*里面的参数可以随便改*/
    
72. var x y;
    
73. run;

复制代码

给数据过来，帮你算出来。

gzwdw138 发表于 2014-10-11 16:08
给数据过来，帮你算出来。

train set

1. id,x,y
   
2. 1,15.409 ,1.549
   
3. 2,10.908 ,-0.967
   
4. 3,15.382 ,1.818
   
5. 4,9.590 ,-2.407
   
6. 5,9.946 ,0.672
   
7. 6,10.229 ,-0.572
   
8. 7,9.645 ,-4.056
   
9. 8,11.122 ,3.231
   
10. 9,2.057 ,3.436
    
11. 10,11.994 ,3.797
    
12. 11,9.497 ,-4.101
    
13. 12,4.967 ,0.601
    
14. 13,11.279 ,-0.870
    
15. 14,9.607 ,-0.723
    
16. 15,13.018 ,0.392
    
17. 16,4.899 ,-1.635
    
18. 17,11.168 ,0.864
    
19. 18,11.681 ,2.348
    
20. 19,8.403 ,-3.371
    
21. 20,7.779 ,-8.813
    
22. 21,14.319 ,5.532
    
23. 22,2.155 ,3.503
    
24. 23,8.660 ,-2.674
    
25. 24,15.158 ,0.508
    
26. 25,8.817 ,-2.993
    
27. 26,12.920 ,-2.714
    
28. 27,4.699 ,-6.690
    
29. 28,11.945 ,-4.562
    
30. 29,12.999 ,-7.082
    
31. 30,17.387 ,-2.097
    
32. 31,15.812 ,-2.268
    
33. 32,13.705 ,-3.450
    
34. 33,14.430 ,-3.693
    
35. 34,5.731 ,-7.933
    
36. 35,7.331 ,-9.130
    
37. 36,6.476 ,-8.362
    
38. 37,-0.750 ,1.912
    
39. 38,6.117 ,-8.250
    
40. 39,1.930 ,-4.558
    
41. 40,13.831 ,-6.299
    
42. 41,0.889 ,-0.685
    
43. 42,1.078 ,-2.769
    
44. 43,4.934 ,-9.576
    
45. 44,5.819 ,-8.115
    
46. 45,-0.343 ,2.818
    
47. 46,12.476 ,-1.585
    
48. 47,0.799 ,4.921
    
49. 48,14.580 ,-2.184
    
50. 49,-2.490 ,-3.464
    
51. 50,12.144 ,-12.982

复制代码

test set

1. id,x,y
   
2. 51,1.005 ,-8.296
   
3. 52,-0.361 ,-1.289
   
4. 53,-1.392 ,3.662
   
5. 54,0.190 ,5.245
   
6. 55,3.950 ,-0.123
   
7. 56,15.357 ,-2.796
   
8. 57,-0.344 ,5.570
   
9. 58,0.830 ,-4.262
   
10. 59,13.338 ,-6.062
    
11. 60,6.086 ,-11.370

复制代码

gzwdw138 发表于 2014-10-11 16:08
给数据过来，帮你算出来。

为了方便，直接写成代码放在上面了。

聚类分析没有办法知道。改用判别分析吧！

用R判别分析

之前考虑过判别分析，但是行不通。