判别分析与聚类分析

一. SAS判别分析相关过程基本语法
(2) CLASS语句 该语句在PROC DISCRIM中不可省略，分类变量的不同 值决定判别分析的组。类水平由 CLASS 变量的格式化值决 定，指定的变量可以是数值的或字符的。 (3) PRIORS语句 指定各组中成员出现的先验概率。若觉得各类别可能出现的 概率相等，则使用PRIORS EQUAL语句。若规定先验概率为 各组样本出现的比例，则使用PRIORS PROPORTIONAL (或PRIORS PROP语句)。若知道各个组的先验概率，则可 以在此指令中列出各类别的概率。 注：概率的总和必须是1。
一. SAS判别分析相关过程基本语法 3. CANDISC过程语法（典型判别）
一. SAS判别分析相关过程基本语法
一. SAS判别分析相关过程基本语法
一. SAS判别分析相关过程基本语法
4. GPLOT过程语法 （作图过程）
GPLOT过程的一般格式： PROC GPLOT DATA = <数据集名>; PLOT <纵轴变量> * <横轴变量> [= <变量>][/<选项>]; [SYMBOLn <选项>;] RUN；
一. SAS判别分析相关过程基本语法
NOCLASSIFY：不对DATA=输入数据集进行重新分类。 6》交叉确认分类选项 CROSSLIST：对每个观测输出交叉确认的分类结果 CROSSLISTERR：只对错误分类的观测输出交叉确认的结果。 CROSSVALIDATE：只对DATA=的输入数据集进行交叉确认 分类。 7》检验数据分类选项 TESTLIST：列出TESTDATA=的输入数据集中全部观测的分 类结果。 TESTLISTERR：仅当使用TESTCLASS语句给出检验集中各 观测所属类别时，该选项要求列出TESTDATA=数据集中错误 分类的观测。
二、 判别分析实例
距离判别 贝叶斯判别 Fisher判别或典型判别
1、两总体距离判别实例 例1(盐泉含钾性判别) 某地区经勘探
证明A盆地是一个钾盐矿区,B盆地是一个 钠盐矿区,其他盐盆地是否含钾盐有待作 出判断.今从A,B两盆地各抽取5个盐泉样 品;从其他盆地抽得8个盐泉样品, 18个盐 泉的特征数值见表5.1.试对后8个待判盐 泉进行含钾性判别.
proc GPLOT DATA=<数据集名>; SYMBOL1<选项>; SYMBOL2 <选项>; plot <纵轴变量>*<横轴变量>=1/<选项> ; plot2 <纵轴变量>*<横轴变量>=2/ <选项> ; RUN;
双纵坐标画图：在sas 中画一个线图，横轴为 时间，纵轴有两组数据 ，数量级不一样。
一. SAS判别分析相关过程基本语法
2. STEPDISC过程简介
针对具有一个分类变量和若干数值型变量(指标变 量)的数据集，STEPDISC过程执行逐步判别分析 (stepwise discriminant analysis):从指定的指标变 量(VAR变量)中筛选出一组变量，以用于随后的判别 分析。逐步判别分析要求指标变量在各组内服从多元 正态分布，并且具有相同的协方差矩阵。STEPDISC 过程选择变量的方法包括前进法(forward selection)、后退法(backward elimination)以及 逐步法(stepwise selection)等。 在使用DISCRIM过程进行判别分析之前，一般情 况下均需先调用STEPDISC过程对指标变量进行筛选， 以避免无关变量对判别分析结果的影响或指标变量过 多导致判别结果的不稳定。
一. SAS判别分析相关过程基本语法
8》控制输出选项 输出相关阵选项：BCORR、PCORR、TCORR、WCORR。 输出协差阵选项：BCOV(类间)、PCOV(合并)、TCOV(总)、 WCOV(类内)。 输出离差矩阵选项：BSSCP、PSSCP、TSSCP、WSSCP。 输出其它选项：ALL、ANOVA、DIATANCE、MANOVA、 SIMPLE、STDMEAN。 限制输出选项：NOPRINT、SHORT。
一. SAS判别分析相关过程基本语法 symbol语句是全局语句:
恢复symbol的默认值： goptions reset =symbol; *关于图形的设置恢复到默认值； goptions reset =global; *所有全局语句的设置恢复到默认值；
一. SAS判别分析相关过程基本语法
语句格式：
一. SAS判别分析相关过程基本语法
SYMBOL语句用来控制表示点的符号和点间的连线。其中n 是不同SYMBOL语句的序号，可以是1-99，缺省为1。选 项见下表。
SYMBOL语句的选项
选项 V = 符号 C = 颜色 CV =颜色 H = n<单位> POINTLABEL i = 连线方式 CI = 颜色 L = n W = n 意义 表示点使用的符号 表示点的符号的颜色及连线的 颜色 专指点的符号的颜色 指名符号的大小 在点的附近表明Y轴变量的值 指明连线的方式 专指连线的颜色 n为线型的序号 n表示线的宽度 0 – 空白线，1 - 实线，2 – 虚线 none, join, spline, needle 单位有：cell, cm, pct, pt, in 取值 plus, x, star, square, diamond, triangle, hash, y, z, paw, point, dot, circle black, red, green, blue, cyan, magenta, gray, pink, orange, brown, yellow
例：描述各总体类别的变量“GRADE”取A，B，C，D四个值，各总体先验概率分 布为0.1，0.3，0.5和0.1，则 PRIORS A＝0.1 B＝0.3 C＝0.5 D＝0.1；
一. SAS判别分析相关过程基本语法
(4) VAR语句 列出所有判别分析可能用到的变量名称。若此语句省略， 则数据集中未在其他语句中使用的全部数值型变量被作为 VAR变量来使用。 (5)TESTCLASS variable; 其中“variable”是描述检验数据集中的各总体类别的变 量名，它可以和原训练样本数据集中类别变量相同，也 可以不同，但二者必须是同类型的（即同为数值或非数 值变量）。若变量采用格式化输入，则二者的输入格式 也应相同。
一. SAS判别分析相关过程基本语法
STEPDISC过程语法 STEPDISC过程简化的格式如下：
PROC STEPDISC <选项列表>； CLASS <变量>； BY <变量列表>； VAR <变量列表>； RUN；
其中PROC STEPDISC语句和CLASS语句为 STEPDISC过程运行所必需的语句，其余语句均为可 选项。
PROC DISCRIM <选项列表>； CLASS <变量>； BY <变量列表>； ID <变量>； /*指定用于区别输出的标识*/ PRIORS <先验概率值>； TESTCLASS <变量>； TESTID <变量>； VAR <变量列表>； RUN;
其中PROC DISCRIM语句和CLASS语句是 DISCRIM过程的必选语句，其它均为可选项。
一. SAS判别分析相关过程基本语法
(1) PROC DISCRIM语句常用选项 PROC DISCRIM语句为调用DISCRIM过程的开始，语 句中可设置的选项如下： 1》输入数据集选项 Data=SAS-data-set: 指定欲进行分析的数据集； TESTDATA=SAS-data-set:指定检验数据集；该数据集 中定量变量名需与DATA=的输入数据集一致。 2》输出数据集选项 OUTSTAT=SAS-data-set: 生成一个输出SAS数据集，包 含各种统计量，如均值、标准差、相关阵及判别统计量等； OUT=SAS-data-set:生成一个输出数据集，包含输入数据， 后验概率和每个观测重新被归入的类。
DATA comp; INPUT day dhe meth@@; CARDS; 1 18 127 2 16 130 3 15 116 4 17 128 5 16 144 6 14 123.75 7 14 130 8 12 153.81 9 8 181 10 9 150 11 7 160 12 5 170 ; run; proc GPLOT DATA=comp; SYMBOL1 C=red V=dot I=spline; SYMBOL2 C=blue V=square I=join; plot dhe*day=1; RUN; */ vaxis=1 to 20 by 2; plot2 meth*day=2; */ vaxis=100 to 200 by 10 ;
一. SAS判别分析相关过程基本语法
1) PROC STEPDISC语句 PROC STEPDISC语句为调用STEPDISC过程的开 始，语句中可设置的选项及其功能与DISCRIM过程 类似。 2) CLASS语句 CLASS语句为STEPDISC过程所必需的语句，其语 法与前述的DISCRIM过程的同名语句完全相同。 3) VAR语句 指定筛选变量的范围，需要考察的变量必须全部在 VAR语句中指定，且须为数值型变量。如果忽略VAR 语句，则数据集中未在其他语句中使用的全部数值型 变量将被作为VAR变量来使用。
一. SAS判别分析相关过程基本语法
OUTCROSS=SAS-data-set:生成一个输出数据集，包含输 入数据，后验概率和每个观测通过交叉确认被归入的类。 OUTD=SAS-data-set：生成一个包含输入数据和每一个观 测的组密度估计的数据集； TESTOUT=SAS-data-set：生成一个输出SAS数据集，包含 检验数据集中的所有数据，后验概率和每个观测被归入的类。 TESTOUTD=SAS-data-set：生成一个输出SAS数据集，包 含检验数据集中的所有数据和对每一观测的组密度估计数据 集。 3》选择判别分析的方法选项 METHOD=NORMAL|NPAR：确定导出分类准则的方法，指 定为NORMAL时，假定各类样本服从多元正态分布，并导出 线性或二次判别函数；指定为NPAR时，采用非参数方法， 必须指定选项K=或R=中的一个。
第七讲：判别与聚类
王沛
河南大学数学与信息科学学院
E-mail: wp0307@126.com
1
内容提要
判别分析

SAS判别分析相关过程基本语法 判别分析实例
聚类分析

ቤተ መጻሕፍቲ ባይዱ
SAS聚类分析相关过程基本语法 聚类分析实例
判别分析
一. SAS判别分析相关过程基本语法
1、 DISCRIM过程语法 DISCRIM过程语句格式如下：
一. SAS判别分析相关过程基本语法
POOL=NO|TEST|YES：确定计算平方距离是根据合并样本协 方差阵还是组内协差阵，缺省为YES，采用样本合并协方差阵 导出线性判别函数。NO选项指定采用组内样本协方差阵得出 二次判别函数；TEST选项要求对组内协差阵的齐性进行检验， 根据检验结果建立线性或非线性判别函数进行判别归类。 SLPOOL=p:指定齐性检验的显著性水平，只有POOL=TEST 时才有此选项，缺省为0.10. 4》有关非参数判别的选项 K=k: 为k最近临准则指定一个k值。观测样品分入哪个组是基 于与样品最近邻的k个样品得到的信息。 R=r: 为核密度估计指定半径r. 两个选项不能同时用。 5》重新分类选项（仅当DATA=为一般SAS数据集时使用） LIST：对每个观测输出根据判别准则重新分类的结果。 LISTERR：只输出错误归类的观测的分类结果。
PLOT语句的选项
选项 FRAM | NOFRAM CFRAM = 颜色 AUTOHREF(AUTOV EREF) NOAXIS CAXIS = 颜色 CTEXT = 颜色 HAXIS = 值列举 VAXIS = 值列举 overlay 意义 在图形四周加入或不加入边框 边框内的颜色 在水平(垂直)轴的每个主刻度处 加入水平(垂直)参考线 取消坐标轴及相关的图形元素 设定轴的颜色 设定与轴相关字符的颜色 设定水平轴主刻度的值 设定垂直轴主刻度的值 多个图共坐标 说明 缺省为 加入 缺省为 白色