非参数聚类分析--SAS.pptVIP

非参数聚类分析 聚类：将相近和相似的样本合成一类。 特点： 1、聚类的个数事先不知。 2、聚类的结果与本次样本数据特征有关。 3、聚类的结果与选择的变量有关。与标准化变换有关， 4、聚类结果与选择聚类的方法有关。WARD法，最近法，最远法等。 聚类方法有： 层次聚类法，cluster, (TREE) 快速聚类法（K-MEAN法）fastclus 非参数聚类法，MODECLUS 变量聚类，VARCLUS, (TREE) 层次聚类用于小样本 快速聚类用于大样本 原理：将距离最近的样本点聚为一类 非参数聚类方法，类是由概率密度函数的众数定义的，一个类大致可以定义为概率密度函数的一个局部最大点附近的区域。 　　非参数密度估计使用球均匀核，球半径是固定的，也可以是可变的。在某点的密度估计值是以该点为中心的球内所含观测值除以样本量和球的体积。球的大小由光滑参数确定，光滑参数自定，通常要试几个光滑参数。 　　　类的个数是光滑参数的函数，在光滑参数增大时，类的个数由减小的趋势，但不是严格单调下降的。一般来说应该指定几个不同的光滑参数，看看类的个数的变化。 5、密度估计法（METHOD=DENSITY） 密度估计法按非参数密度来定义两点间的距离 。如果两个点 和 是近邻（两点距离小于某指定常数或 在距离 最近的若干点内）则距离是两点密度估计的倒数的平均，否则距离为正无穷。 密度估计有最近邻估计（K=）、均匀核估计（R=）和Wong 混合法（HYBRID）。 　非参数聚类MODECLUS Syntax语法 PROC MODECLUS options ; ID 　variable; VAR 　 variables; Smoothing Parameters 例 data example; input x y @@; datalines; 18 18 20 22 21 20 12 23 17 12 23 25 25 20 16 27 20 13 28 22 80 20 75 19 77 23 81 26 55 21 64 24 72 26 70 35 75 30 78 42 18 52 27 57 41 61 48 64 59 72 69 72 80 80 31 53 51 69 72 81 ; axis1 label=(angle=90 rotate=0) minor=none order=(0 to 80 by 20); axis2 minor=none; proc gplot; plot y*x /frame cframe=ligr vaxis=axis1 haxis=axis2; run; proc modeclus data=example method=6　r=10 15 35 out=out; run; symbol1 v=’1’ font=swiss c=white; symbol2 v=’2’ font=swiss c=yellow; symbol3 v=’3’ font=swiss c=cyan; symbol4 v=’4’ font=swiss c=green; symbol5 v=’5’ font=swiss c=orange;symbol6 v=’6’ font=swiss c=blue; symbol7 v=’7’ font=swiss c=black; proc gplot data=out; plot y*x=cluster /frame cframe=ligr nolegend vaxis=axis1 haxis=axis2; by _r_; run; proc modeclus data=example method=6　k=3 8 15 out=out; run; data zsq; Input country$ pdi index; Datalines; 阿根廷 49 2.9 　 　 比利时 65 7.1 　 　 巴西 69 3.7 　 　 保加利亚 70 3.8 　 　 智利 63 6.7 　 　 哥伦比亚 67 3.7 　 　 捷克共和国 57 4.9 　 　 萨尔瓦多 66 3.4 　 　 法国 68 6.9 　 　 希腊 60 3.8 　 香港 68 8.2 　　 伊朗 58 1.8 　　 意大利 50 4.3 　 　 牙买加 45 3.0 　 　 日本 54 7.7