实验四 聚类分析与判别分析

广东金融学院实验报告课程名称：数据分析与sas实验实验编号及实验名称实验四聚类分析与判别分析系另U应用数学系姓名学号班级实验地点实验日期实验时数指导教师同组其他成员成绩一、实验目的及要求实验目的：通过使用sas系统中的stepdixc个cluster过程完成判别分析与聚类分析，掌握他们的一般操作方法以及如何结合使用。二、实验环境及相关情况（包含使用软件、实验设备、主要仪器及材料等）装有sas系统的个人电脑三、实验内容及步骤（包含简要的实验步骤流程）运用sas系统中的stepdixc个cluster过程进行判别分析与聚类分析。1.导入整理数据PROCIMPORTOUT=WORK.sjDATAFILE=C:\Users\Administrator\Desktop\exampleone.xls"DBMS=EXCEL2000REPLACE;GETNAMES=YES；RUN;datalwh;setsj;ifprice>0;run;2.对数据进行预处理Procaceclusdata=lwhout=acep=0.03noprint;Varlevel_changepricelowspeedvolumetranspositional_ratioopenprevclosehighaverage_price;Run;

聚类分析Procclusterdata=aceouttree=Treemethod=wardCccpseudoprint=15;Varcan1can2can3can4can5can6can7can8can9can10;Idcode;Run;做谱系聚类图Axis1order=(0to1by0.2);Roctreedata=treeout=newnclusters=4graphicshaxis=axis1horizontal;Height_rsq_;Copycan1can2can3can4can5can6can7can8can9can10;Idcode;Run;把聚类结果用散点图显示Procgplotdata=new;Plotcan2*can1=cluster/haxis=-1.5to225by5vaxis=-0.15to1.6by0.02;Run;逐步判别Procstepdiscdata=new;Classcluster;Run;判别分析Procdiscrimdata=newoutstat=newstatmethod=normalpool=yeslistCrossvalidate;Classcluster;Priorsproportional;VarCan1Can2Can3Can4Can5Can6Can7Can8;Run;四实验结果（包括程序或图表、结论陈述、数据记录及分析等，可附页）聚类过程ClusterHistoryNCL--ClustersJoined—FREQSPRSQRSQERSQCCCPSFPST25432109876543CL20NCL--ClustersJoined—FREQSPRSQRSQERSQCCCPSFPST25432109876543CL20CL56430.0001.999.995CL31CL29720.0002.998.995CL39CL221210.0002.998.994CL37CL15950.0003.998.993CL19CL247900.0004.998.992CL21CL18160.0006.997.990CL15CL23540.0009.996.988CL16CL174830.0009.995.984CL13CL141930.0014.994.980CL11CL812730.0041.990.972CL12CLIO210.0045.985.960CL9CL72470.0075.978.938CL4CL615200.0337.944.889Rsq在ncl等于2时有异动，所以这个分类结果把这1600余支分为两类，一类。CL2卧湖15420-8843.顺•顺391■■■■445333317594233333334888^10■■■■•一一・----—8801^■2232^O3333333333333-二二二■二二二二二二二■二二二二二二二二16394695195238776654442221■95・o・4o97■868E8120891346850^02564127311谱系聚类图codeL散点聚类图L：an2逐步判别过程十StatisticsforRemovaInDF谱系聚类图codeL散点聚类图L：an2逐步判别过程十StatisticsforRemovaInDF=3,1532PartialVariableR-SquareFValuePr>F1691741791841891941992042092142192240.0CardCan2Can3Can5CanBCan7Can80.97860.01110.09110.00480.00880.01700.00353388330■7145888851248135<.00010.0007<.00010.05930.0036<.00010.1461NovariabIescanberemoved.can5,can6,can7,can8；通过逐步分析判别过程最后保留的变量为canl,can2,can3,然后去掉can5,can6,can7,can8；VariablePartialR-SquareFValuePr>FToleranceCan40.00090.450.71661.0000Can90.00211.100.34891.0000Can100.00110.560.64031.0000第3页共4页Novariablescanbeentered.Nofurtherstepsarepossible.判别分析结果NumberofObservationsandPercentCIassifiedintoCLUSTERFromCLUSTER1234Total11273100.0000.0000.0000.001273100.0027128.7417671.2600.0000.00247100.00300.0000.0021100.0000.0021100.00400.0000.001100.0000.001100.00Total134487.1617611.41221.4300.001542100.00Priors0.825550.160180.013620.00065ErrorCountEstimatesforCLUSTER1234TotalRatePriors0.00000.82560.28740.16020.00000.01361.00000.00060.0467上面聚类分析分成四类中第一类有74个误判。误判概率为28.74%。五、实验总结（包括心得体会、问题回答及实验改进意见，可附页）基本了解聚类分析和判别分析的原理聚类分析的方法有多种，需要独自体会其中的优点基本能够按要求完成实验，但分析结果时还不够全面，某些指标的认识还不够全面，需要更加努力六、教师评语完成所有规定的实验内容，实验