关于SAS的两个聚类问题

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

在实际应用中, 越来越感到SAS的两个聚类过程的局限性,
1. 一个是K-means聚类: SAS是用fastcluster实现的,但是非常遗憾,不知道SAS为什么只用欧几里得距离,而不能用相似度等度量. 看了SAS的相关文档,大概知道它用的目标优化函数是一个欧式距离平方和,但是还是不知道为什么不用相似度矩阵作为input data.
2. 另外一个是系统聚类: SAS是用cluster过程步实现,尽管该过程步可以把相似度聚类或距离矩阵等下三角矩阵作为input data, 但是仍然有一个致命的缺陷,那就是一旦下三角矩阵超过1.5万行*1.5万列时,SAS就变成老年痴呆. 程序跑死.
最后,数据挖掘领域出现的很多新的聚类算法,如DBSCAN,BIRTH等算法,SAS仍然没有对应的算法包. 所以总体上,个人感觉SAS的聚类算法包在以后的算法开发中还有很长的路要走.

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：sas的 k-means聚类 Cluster k-means Input 欧几里得 实际应用 局限性 程序

嗯，还是clementie的聚类比较好用。

用相似度矩阵作为input data.
SAS有这个功能的。