使用SAS进行简单的聚类分析讲解

最新推荐文章于 2024-03-26 19:44:27 发布

xindongyinfu

最新推荐文章于 2024-03-26 19:44:27 发布

阅读量3.1k

点赞数 4

文章标签：中国移动互联网数据结构 .net Google

本文链接：https://blog.csdn.net/xindongyinfu/article/details/83776080

版权

本文介绍了如何使用SAS进行聚类分析，包括Q型聚类（样品聚类）和R型聚类（变量聚类）。通过示例详细解释了PROC CLUSTER、PROC FASTCLUS和PROC VARCLUS过程，并提供了实际数据分析，帮助理解不同类型的聚类方法在数据分类中的应用。

摘要由CSDN通过智能技术生成

聚类分析的目的是把分类对象按一定的规则分成若干类，这些类不是事先给定的，而是根据数据的特征确定的，对类的数目和类的结构不必作任何的假定。在同一类里的这些对象在某种意义上倾向于彼此相似，而在不同类里的对象倾向于彼此不相似。

聚类分析根据分类对象不同分为Q型聚类分析和R型聚类分析。Q型聚类是指对样品进行聚类，R型聚类分析是指对变量进行聚类。

聚类分析根据分类对象不同分为Q型聚类分析和R型聚类分析。Q型聚类是指对样品进行聚类，R型聚类分析是指对变量进行聚类。

SAS中用于判别分析的过程主要有以下四个：

PROC CLUSTER 谱系聚类(Q型聚类分析)
PROC FASTCLUS K均值快速聚类，适用于大样本(Q型聚类分析)
PROC MODECLUS 非参数聚类(Q型聚类分析)
PROC VARCLUS 变量聚类(R型聚类分析)

1. 用PROC CLUSTER进行样品聚类分析(Q型聚类分析)
[例1]
试根据1997年信息基础设施的发展情况，对世界20个国家和地区进行聚类分析。描述信息基础设施的变量主要有六个：
Cal-每千人拥有电话线数；
Cellphone-每千户居民移动电话数；
Fee-高峰时期每三分钟国际电话成本；
Computer-每千人拥有的计算机数；
Mips-每千人中计算机功率（每秒百万指令）；
Net-每千人互联网络户主数。

data cluster1;
infile datalines;
input Country $ Cal Cellphone Fee Computer Mips Net;
datalines;
美国 631.6