SAS聚类分析 - SAS专版 - 经管之家(原人大经济论坛)

0关注
0粉丝

本科生

15%

还不是VIP/贵宾

-

0%

威望: 0 级
论坛币: 228 个
通用积分: 1.1249
学术水平: 1 点
热心指数: 2 点
信用等级: 0 点
经验: 467 点
帖子: 44
精华: 0
在线时间: 83 小时
注册时间: 2005-10-24
最后登录: 2014-5-5

楼主

chenfanwen 发表于 2010-6-27 16:35:39 |只看作者 |坛友微信交流群|倒序 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

http://bi-chen.spaces.live.com SAS 聚类分析Proc Cluster
聚类分析是用来寻找观测值中潜在的、未知的知识。它可以通过各种各样的方法计算得到，最常用的就是运用距离度量方式计算数据点之间的关系，从而创建聚簇。

SAS中执行聚类分析

PROC CLUSTER <选项>;
VAR 变量1 变量2 变量3 ... 变量 n;
选项主要是控制过程的打印、计算和输出

选项如下：

NOPRINT禁止打印输出

NOEIGEN禁止打印特征值

SIMPLE 产生每个变量的简单统计描述

METHOD=控制使用的聚类方法

STANDRAD 使用相关矩阵计算

OUTTREE
创建用于聚类图的输出数据集

VAR语句用来列举变量列表

例如：PROC CLUSTER METHOD = AVERAGE OUTTREE = TREE;
VAR PEAK_VISC TROUGH_VISC FINAL_VISC BREAKDOWN
TOTAL_SETBACK TIMEPEAK_VISC;

在SAS中，可以通过Proc tree来创建树图，proc cluster的输出数据集作为proc tree的输入数据集。proc tree data=tree;

axis1 label=none;
proc tree data=tree1

dis horizontal

lines=(color=red dots)

vaxis=axis1;
SAS代码

%makegplot(type=pdf,pltfile='irisclus.pdf');

DATA IRISCLUS;

TITLE 'CLUSTER ANALYSIS OF 15 CASES FROM IRIS DATA SET';

TITLE2 'FIVE CASES FROM EACH IRIS TYPE';

INFILE 'irisclus.dat';

INPUT IRISGRP IRISID SEPALLEN SEPALWID PETALLEN PETALWID;

PROC CLUSTER OUTTREE=SINGLE SIMPLE STANDARD

METHOD=SINGLE PSEUDO;

VAR SEPALLEN SEPALWID PETALLEN PETALWID;

ID IRISID;

PROC TREE DATA=SINGLE DISSIMILAR;

TITLE3 'SINGLE LINKAGE METHOD';

ID IRISID;

%MACRO MAKEGPLOT(TYPE=PS,PLTFILE='PLOT.PS');

%PLOT:

FILENAME grafout &PLTFILE;

data _NULL_;

file grafout;

%* use device=ps for postscript file output;

%* use device=pdf for pdf file output;

%* use device=gif for gif file output;

%* use device=psepsf for encapsulated postscript file output;

%* use device=jpeg for jpeg file output;

%* use device=tiffp for tiff file output;

%* use device=bmp for bmp file output;

%* use device=WMF for Windows Metafile format file output;

goptions device=&type gsflen=80 gsfname=grafout gsfmode=append;

%goto exit;

Filename grafout clear;

%exit:

%blankln(0)

%endit:

%blankln(0)

%MEND MAKEGPLOT;

%MACRO BLANKLN(LINES);

%DO I=1 %TO &LINES;

%PUT %STR( );

%END;

%MEND BLANKLN;

SAS Kmeans聚类

data irisclus;
input IRISGRP IRISID SEPALLEN SEPALWID PETALLEN PETALWID;
cards;
1 101 5.1 3.5 1.4 0.2
1 102 4.9 3.0 1.4 0.2
1 103 4.7 3.2 1.3 0.2
1 104 4.6 3.1 1.5 0.2
1 105 5.0 3.6 1.4 0.2
2 201 7.0 3.2 4.7 1.4
2 202 6.4 3.2 4.5 1.5
2 203 6.9 3.1 4.9 1.5
2 204 5.5 2.3 4.0 1.3
2 205 6.5 2.8 4.6 1.5
3 301 6.3 3.3 6.0 2.5
3 302 5.8 2.7 5.1 1.9
3 303 7.1 3.0 5.9 2.1
3 304 6.3 2.9 5.6 1.8
3 305 6.5 3.0 5.8 2.2
;
* 数据标准化处理;
proc standard data=irisclus out=Stand mean=0 std=1;

var SEPALLEN SEPALWID PETALLEN PETALWID;
proc print data=stand;
* 执行Kmeans程序;
proc fastclus data=Stand out=Clust maxclusters=3 maxiter=100 drift;

var SEPALLEN SEPALWID PETALLEN PETALWID;
* 查看聚类结果;
proc print data=clust;
run;
* 运用 PROC DISCRIM寻找典型变量，并且绘制出来;
proc discrim data=clust out=discout canonical;
class cluster;
var SEPALLEN SEPALWID PETALLEN PETALWID;
proc plot data=discout;

plot can2*can1=cluster;
run;