05聚类分析-SAS实验

变量聚类过程（ 过程） 变量聚类过程（Varclus过程） 过程
proc varclus data=Protein outtree=tree maxclusters=4; var RedMeat--FruitVeg; run; proc tree data=tree spaces=1 pages=1 horizontal; id _name_; run;
Baidu Nhomakorabea
聚类分析常用指标
复相关系数的平方RSQ(squared multiple correlation)：表示总体变异被类变异所解释的 比例 半偏复相关系数的平方SPRSQ(semipartial rsquared)：表示合并两类后导致复相关系数的 平方的减少量
聚类分析常用指标
CCC(cubic clustering criterion) RMS(root-mean-square standard deviation) 表示所有距离平方的均数的平方根值
RMS = 2 2 d ij ∑ m( m 1 ) i < j
标准距离(normalized RMS distance)：表示两 类合并时的距离与RMS之比。
快速聚类过程（ 快速聚类过程（Fastclus过程 ） 过程
选择若干观测初始凝聚点 计算观测到凝聚点距离 计算观测到凝聚点距离 将观测按距离最小原则归类 将观测按距离最小原则归类 按距离最小原则 调整各类凝聚点 分类没有变化
系统聚类过程（ 过程） 系统聚类过程（Cluster过程） 过程
Proc cluster data=example1 method=single std ccc; 输出聚类统计量 Var x1-x2; 指定计算类间距 原始变量标准化 离方法 Id name; run; Proc tree horizontal space=3; Id name; Run;
proc fastclus /*maxclusters=3*/ radius=4 distance ; 指定允许的最大 指定凝聚点间的 var x1-x3; 分类个数 最小距离 run;
计算类间距离
变量聚类过程（ 过程） 变量聚类过程（Varclus过程） 过程
变量聚类 每一类的第一主成分所解释的方差为最大 可输出作树状图（ 过程） 可输出作树状图（tree过程）的数据集 过程 可输出计算每一类主成分得分（ 过程） 可输出计算每一类主成分得分（score过程） 过程 的数据集
聚类分析－ 聚类分析－SAS实验 实验
广东药学院公共卫生学院
SAS聚类分析过程 聚类分析过程
系统聚类过程（Cluster过程） 快速聚类过程（Fastclus过程 ） 变量聚类过程（Varclus过程） 画树状图过程（Tree过程）
系统聚类过程（ 过程） 系统聚类过程（Cluster过程） 过程
样本聚类（小样本）
原始数据：example1 距离矩阵（type=distance）
指标聚类（变量个数少）
距离矩阵（type=distance）：example2
系统聚类过程（ 过程） 系统聚类过程（Cluster过程） 过程
每个观测各成一类 计算两两类间距离 计算两两类间距离 距离最近的两类合并 所有观测合并为一类
快速聚类过程（ 快速聚类过程（Fastclus过程 ） 过程
大样本快速聚类（n＝100～100，000） 大样本快速聚类（ ＝ ～ ， ） 输出类内指标均值， 输出类内指标均值，比较类间差异 没有原始数据标准化功能 需要指定类别数或初始凝聚点间最小距离 不能输出作树状图的聚类信息
快速聚类过程（ 快速聚类过程（Fastclus过程 ） 过程
系统聚类过程（ 过程） 系统聚类过程（Cluster过程） 过程
类平均法（method=ave） 重心法（method=cen） 最长距离法（method=com） 可变类平均法（method=fle） 最短距离法（method=sin） 中间距离法（method=med） Ward最小方差法（method=war） 密度估计法（method=den）