SAS中聚类分析课件

用SAS进行聚类分析8SAS中聚类分析系统聚类法8SAS中聚类分析书p243，表6.7，16个地区农民生活水平调查数据地区x1x2x3x4x5x6北京190.3343.779.7360.5449.019.04天津135.236.410.4744.1636.493.94河北95.2122.839.322.4422.812.8山西104.7825.116.49.8918.173.25内蒙128.4127.638.9412.5823.993.27辽宁145.6832.8317.7927.2939.093.47吉林159.3733.3818.3711.8125.295.22黑龙江116.2229.5713.2413.7621.756.04上海221.1138.6412.53115.6550.825.89江苏144.9829.1211.6742.627.35.74浙江169.9232.7512.7247.1234.355安徽153.1123.0915.6223.5418.186.39福建144.9221.2616.9619.5221.756.73江西140.5421.517.6419.1915.974.94山东115.8430.2612.233.6133.773.85河南101.1823.268.4620.220.54.38SAS中聚类分析datad641;inputgroup$x1-x6;cards;北京190.3343.779.7360.5449.019.04天津135.2036.4010.4744.1636.493.94河北95.2122.839.3022.4422.812.80山西104.7825.116.409.8918.173.25内蒙128.4127.638.9412.5823.993.27辽宁145.6832.8317.7927.2939.093.47吉林159.3733.3818.3711.8125.295.22黑龙江116.2229.5713.2413.7621.756.04上海221.1138.6412.53115.6550.825.89江苏144.9829.1211.6742.6027.305.74浙江169.9232.7512.7247.1234.355.00安徽153.1123.0915.6223.5418.186.39福建144.9221.2616.9619.5221.756.73江西140.5421.5017.6419.1915.974.94山东115.8430.2612.2033.6133.773.85河南101.1823.268.4620.2020.504.30;procprintdata=d641;run;输入资料:8SAS中聚类分析procclusterdata=d641method=avestdpseudocccouttree=b641;varx1-x6;idgroup;proctreedata=b641horizontalgraphics;title'使用类平均法的谱系聚类图';run;title;使用系统聚类方法，距离使用类平均法cluster过程，用来进行系统聚类method=ave或method=AVERAGE，表示类间距离使用类平均距离std或standard选项，变量数据都标准化（均值0，标准差1）以后，再计算距离pseudo，输出伪F、伪t平方统计量ccc选项，计算半偏R平方、ccc统计量varx1-x6，用x1、x2、…、x6作为计算距离的变量idgroup，用group变量的值作为每一个样品的idouttree=b641，将树形分类结果输出到数据集b641tree过程，输出CLUSTER和VARCLUS过程产生的树形分类结果8SAS中聚类分析8SAS中聚类分析NCL为聚类数；FREQ为新类中所含的样品数；SPRSQ为半偏R2，PSF为伪F，PST2为伪T2NormRMSDist是正规化的的两类元素间距离的均方根

8SAS中聚类分析使用系统聚类方法，距离使用中间距离法procclusterdata=d641method=medstdpseudocccouttree=b641;varx1-x6;idgroup;proctreedata=b641horizontalgraphics;title'使用中间距离法的谱系聚类图';run;title;method=med或method=MEDIAN，表示类间距离使用中间距离8SAS中聚类分析8SAS中聚类分析8SAS中聚类分析procclusterdata=d641method=flestdpseudocccBETA=-0.25outtree=b641;varx1-x6;idgroup;proctreedata=b641horizontalgraphics;title'使用可变类平均法的谱系聚类图';run;title;使用系统聚类方法，距离使用可变类平均法method=fle或method=FLEXIBLE，表示类间距离可变类平均法BETA=-0.25，这也是缺省值，故可以省略，表示可变类平均法中的参数beta的取值8SAS中聚类分析8SAS中聚类分析8SAS中聚类分析procclusterdata=d641method=wardstdpseudocccouttree=b641;varx1-x6;idgroup;proctreedata=b641horizontalgraphicsn=5out=c641;copygroupx1-x6;title'使用Ward法的谱系聚类图';run;title'使用Ward法';使用系统聚类方法，距离使用离差平方和（ward）法method=ward或method=war，表示类间距离使用离差平方和（ward）法tree过程中，n=5out=c641表示，分为5类时，分类的结果输出到数据集c641中copy语句不能少，它表示要把b641中的group、x1、…、x6拷贝到c641中去8SAS中聚类分析8SAS中聚类分析8SAS中聚类分析如果我们想分别计算分成5组以后，每组样本的均值。。8SAS中聚类分析procsortdata=c641;bycluster;run;procprintdata=c641;varclustergroupx1-x6;run;procmeansdata=c641;bycluster;varx1-x6;run;使用系统聚类方ward法，聚类为5类的结果输出，并分别计算各类均值means过程的bycluster语句，以cluster变量进行分组，并分别计算各个分组的均值。8SAS中聚类分析动态聚类法8SAS中聚类分析procstandardmean=0std=1data=d641out=sta653;varx1-x6;run;procfastclusdata=sta653out=out653maxc=5list;varx1-x6;idgroup;run;书p251，例6.5.3，还用表6.7的数据，但动态聚类standard过程，将数据标准化mean=0std=1，标准化后的数据，均值为0，标准差为1out=sta653，结果输出到数据集sta653中fastclus，进行快速（动态）聚类maxc=5，或写为MAXCLUSTERS=5，聚为5类。默认值为100。list，列表显示所有的样本点，它的id值、它归为哪一个cluster、它到自己的cluster的凝聚点的距离8SAS中聚类分析8SAS中聚类分析如果我们想分别计算分成5组以后，每组样本的均值。。8SAS中聚类分析上表是d641，下表是out653，它们有一个公共的变量group。如果我们能按group变量，把两个表合并起来，我们就可以计算每个cluster的均值。而不利的是，x1-x6的值从d641到out653时，发生了改变。8SAS中聚类分析dataout653a; setout653; keepgroupcluster;run;proc

sortdata=out653a;bygroup;run;proc

sortdata=d641;bygroup;run;dataout653b; merged641out653a; bygroup;run;proc

sortdata=out653b;bycluster;run;proc

meansdata=out653b;bycluster;varx1-x6;run;proc

printdata=out653b;varclusterx1-x6;run;1.首先，因为out653中的x1-x6发生了改变，我们把out653中的数据拷贝到out653a中，但去掉x1-x6，只保留group、cluster的信息。2.为了合并out653a和d641（它们有公共变量group），必须将它们都按变量group来排序。3.将out653a和d641合并为数据集out653b（用merge语句）。4.为了在合并的数据集out653b中计算按照cluster变量分类后的各类的均值，要将out653b按cluster变量进行排序。5.排序后，就可以用means过程计算按cluster变量分类的均值了。6.最后用print过程，把结果列表打印出来。8SAS中聚类分析变量聚类法8SAS中聚类分析datad672(type=corr);title'在中学生中测量八个体型指标的相关系数';labelx1='身高'x2='手臂长'x3='上肢长'x4='下腿长'x5='体重'x6='颈围'x7='胸围'x8='胸宽';input_name_$x1-x8;_type_='corr';cards;x11.000.846.805.859.473.398.301.382x2.8461.000.881.826.376.326.277.415x3.805.8811.000.801.380.319.237.345x4.859.826.8011.000.436.329.327.365x5.473.376.380.4361.000.762.730.629x6.398.326.319.329.7621.000.583.577x7.301.277.237.327.730.5831.000.539x8.382.415.345.365.629.577.5391.000;procprint;title;书p261，例6.7.2，还用p260表6.12的数据，但使用变量聚类8SAS中聚类分析proc

varclusdata=d672maxc=8summaryouttree=o672;run;proc

treedata=o672horizontalgraphics;run;procvarclusdata=d672;run;procvarclusdata=d672centroid;run;centroid表示距离用质心法最简单的变量聚类：变量聚类也可以不使用主成份，而使用质心：复杂一点的变量聚类，可以打印出图形：maxc=8表示聚类为8个类，这将使树形聚类显示，从8个变量各成一小类开始。如果这里maxc=2，则树形的聚类显示，一开始就从两个类开始，就看不出8个变量是如何逐步聚成两个大类的。Varclus过程的summary选项输出一个概要表。8SAS中聚类分析8SAS中聚类分析summary选项所打印的内容：8SAS中聚类分析练习1、一组有关12盎司20种啤酒成分和价格的数据，分别用系统聚类法（距离用类平均距离）、动态聚类法，聚为4类，分别给出两种聚类方法的分类结果及各类均值。啤酒名热量（卡）钠含量酒精含量价格Budweiser144194.70.43Schlitz181194.90.43Ionenbrau157154.90.48Kronensourc17075.20.73Heineken1521150.77Old-milnaukee145234.60.26Aucsberger175245.50.4Strchs-bohemi149274.70.42Miller-lite99104.30.43Sudeiser-lich11363.70.44Coors140164.60.44Coorslicht102154.10.46Michelos-lich135114.20.5Secrs150194.70.76Kkirin149650.79Pabst-extra-l68152.30.36Hamms136194.40.43Heilemans-old144244.90.43Olympia-gold-7262.90.46Schlite-light9774.20.478SAS中聚类分析cluster1cluster2cluster3cluster4Nmeanofcaloriemeanofsodiummeanofalcoholmeanofcost实验报告中提交sas程序，和提交下面两个表就可以了。beernamescluster1cluster2cluster3cluster48SAS中聚类分析练习2、对30个省的文化程度聚类，变量名为DXBL,CZBL,WMBL，分别用系统聚类法（距离用离差平方和法）、动态聚类法，聚为3类，分别给出两种聚类方法的分类结果及各类均值。地区编号DXBLCZBLWMBL北京19.330.558.7天津24.6729.388.92河北30.9624.6915.21山西41.3829.2411.3内蒙51.4825.4715.39辽宁62.632.328.81吉林72.1526.31