SAS判别解析总结计划.docxVIP

. 课程： SAS 判别分析 部门： 创新业务部 - 徐宝莲 时间： 2015/1/16 内容概要： 1 、 判别分析的简单介绍 2 、 一般判别分析—— PROC DISCRIM 3 、 典型判别分析—— PROC CANDISC 4 、 逐步判别分析—— PROC STEPDISC 1 、判别分析的简单介绍 判别分析是一种应用性很强的统计方法。 它通常是根据已有的数据资料， 来建立一种判 别方法，然后再来判断一个新的样品归属哪一类。 判别分析的 SAS 过程所处理的数据集要求具有一个分类变量和若干个数值型变量。 SAS 中进行判别分析的具体目标可以分为以下三条： 建立判别函数，以便用来判别某一新的观测值的所属类别； 寻找一组数值型变量的线性组合，使得其能够很好地反映各类别之间的差别； 筛选出某些能反映类别间差别的变量。 2 、一般判别分析—— PROC DISCRIM 2.1 距离判别法 距离判别法是通过计算距离函数来进行判别， 即样品与哪个总体之间的距离最近， 则判 .. . 断它属于哪个总体。 如何衡量样品与总体间的这种抽象的距离？我们一般利用马氏距离来描 述。 对于两总体的情形，设 和 是两个 P 维总体，样品 X 到 的距离为 ,样品 X 到 的距离为 ，则我们按照下面的准则对样本 X 进行判别归类： 1) 若 ,则判定 X 属于 ； 2) 若 ,则判定 X 属于 ； 3) 若 ，则 X 有待于进一步判定。 2.2Bayes 判别法 Bayes 判别法是基于 Bayes 统计的思想，即假定事先对所研究的对象有一定的了解， 并通过先验概率分布来进行描述， 当抽取样本后， 用样本来修正先验概率分布， 并得到后验 概率分布，然后根据后验概率分布进行各种统计推断。 Bayes 判别法首先计算给定样品属于各个总体的条件概率，然后比较这些概率值的大 小，将样品判归于条件概率最大的总体。 PROC DISCRIM DATA= 数据集名 选项 ； CLASS 变量名列表； PRIORS 概率值； BY 分组变量名； RUN; 语句说明： 1 ） PROC DISCRIM 语句用来调用 DISCRIM 过程。 DATA ：此选项用于指定输入的“训练数据集”，即已知类别的若干样品所组成的数据 集，一般的数据集和特殊类型的数据集均可以 ; TESTDATA ：指定用于进行判别分析的检验数据集。 .. . METHOD: 指定判别分析方法，可以设置为“ method=normal ”（参数法）或者 “ method=npar ”（非参数法）。 POOL ：说明按各个总体协方差相等与否的模型进行计算。 当” POOL=YES ”时，指定 总体协方差矩阵相同，计算协方差矩阵估计值；当” POOL=NO ”时，指定总体协方差矩 阵不同，计算协方差矩阵估计值。 2） CLASS 语句是 DISCRIM 过程中所必须的一条语句，用于说明分类变量，该分类变 量的值用于决定每条观测属性的类别。 3）PRIORS 语句是用来指定各类别的先验概率。 有三种先验概率设定方式的语句格式。 格式一： priors equal ，表示设定的各类别先验概率相等。 格式二： priors proportional ，表示设定的各类别先验概率等于训练样本中各类别所 占得比例。 格式三： priors “ 1 ” =0.2 “ 2 ” =0.6 “ 3 ” =0.2; 或者priors a=0.2 b=0.3 c=0.4 d=0.1. 空格为区分符，前面的语句说明分类变量取 1,2,3 的类的先验概率是 0.2,0.6,0.2 ；后 面语句说明分类变量取 a,b,c,d 类的先验概率为 0.2,0.3,0.4,0.1. 此种方法适合自定义各个类 别的先验概率。 当使用 PRIORS 语句时， DISCRIM 过程计算样品属于某一类的后验概率，同时给出判 别函数。当“ POOL=YES ”时，判别函数是线性函数；当” POOL=NO ”时，判别函数是 二次函数。 实例演练： 某市气象站测得了半个月以内的空气质量数据， 并评定了相应的空气质量等级， 见下表： 空气中悬浮颗粒物 二氧化硫 氮氧化物 空气质量等级 0.208 0.051 0.064 2 0.196 0.092 0.057 2 0.289 0.206 0.068 3 0.299 0.187 0.082 3 .. . 0.277 0.09 0.072 2 根据上表建立判别分析准则，并判定下表三天的空气质量等级： 空气中悬浮颗粒物 二氧化硫 氮氧化物 0.254 0.184 0.071 0.243 0.054 0.032 0.185 0.102 0.057 3 典型判别分析—— PROC CA