10上机课第9讲-聚类分析过程.pptVIP

聚类分析过程介绍CLUSTER过程TREE过程FASTCLUS过程VARCLUS过程ACECLUS过程(数据的预处理过程)MODECLUS过程(非参数聚类过程)案例2：一个数值变量，5个观测的聚类.一、CLUSTER过程案例4：对16个地区分类（6变量）.procclusterdata=ex741method=wardstdpseudocccouttree=B7413;varx1-x6;idgroup;proctreedata=B7413horizontaln=5out=C741;copyx1-x6;titleWARD;procclusterdata=ex741method=flestdpseudocccouttree=B7414;varx1-x6;idgroup;proctreedata=B7414horizontal;titleflexible;procsortdata=C741;bycluster;procmeansdata=C741;bycluster;varx1-x6;procprint;run;案例9：利用varclus过程对8个体型指标进行聚类.重心法的输出结果作用:适用于对观测个数很多(100~100000)的数据集进行不相交聚类，对于小数据集，此过程对于观测的次序比较敏感.三、Fastclus过程基本语句:procfastclusmaxcluster=n|Radius=toptions；varvariables；idvariable；byvariables；freqvariable；weightvariable；(1)Maxclusters=n|maxc=n-----指明所允许分类的最大数.缺省值为100.(2)Radius=d-----指定所选择凝聚点之间的最小距离.缺省值为0.如果用了replace=random选择项，Radius=d不起作用.注意：上面两个选择项至少要指定一项.procfastclus语句(说明项和选项共27项):(3)Data=SASdataset-----输入数据集(4)Seed=SASdataset-----初始凝聚点组成的 数据集(5)Mean=SASdataset-----输出数据集，其中 含有类均值等简单统计量(6)Out=SASdataset-----输出数据集，其中含有原始数据和新的cluster和distance变量(观测到其所在类凝聚点之间的距离).(7)Cluster=name-----指定mean=和out=数据集中用以指示观测属于哪一类的变量名，缺省值为cluster.(8)Replace=full|part|none|random-----指定凝聚点替换方式(9)Random=n-----指明用于replace=random伪随机数发生器的种子，n必须为整数值.缺省时使用当天的时间初始化发生器.(10)Drift-----执行逐个修改法(11)Maxiter=n-----指定重新计算类的“凝聚点”的最大迭代次数.缺省值为1.(12)Distance-----要求输出类均值之间的距离(13)List-----要求列出所有观测的ID变量值(如果有)，观测所归入类的类号及观测同最终“凝聚点”的距离.(14)Noprint(15)Short(16)Summary(17)Strict=s-----如果一个观测离最近的类的中心超过s时，它不归入任何类，cluster变量取负值(18)vardef=DF|N?|?WDF?|?WEIGHT?|?WGT(19)Outseed=SAS-data-set-----指定输出数据集(20)Outiter-----将迭代历史的信息输出到Outseed=指定的数据集1.在使用Fastclus过程之前，要检验一下是否所有数据具有相同的单位，如果不具有相同的单位，最好用standard过程对数据进行标准化.2.使用Fastclus过程的最简单方法是指明maxc=和list选择项.通常最好多试