【sas notes】proc cluster

用CLUSTER过程和TREE过程进行谱系聚类

一、CLUSTER过程用法

CLUSTER过程的一般格式为：

PROC CLUSTER DATA=输入数据集

METHOD=聚类方法 选项：

VAR 聚类用变量：

COPY 复制变量：

RUN;

其中的VAR语句指定用来聚类的变量。COPY语句把指定的变量复制到OUTTREE=的数据集中。

PROC CLUSTER语句的主要选项有：

·METHOD=选项，这是必须指定的，此选项决定我们要用的聚类方法，主要由类间距离定义决定。方法有AVERAGE，CENTROID，COMPLETE, SINGLE, DENSITY, WARD, EML, FLEXIBLE, MCQUITTY, MEDIAN, TWOSTAGE等，其中DENSITY，TWOSTAGE等方法还要额外指定密度估计方法（K=，R=或HYBRID)。

·输入DATA=数据集，可以是原始观测数据集，也可以是距离矩阵数据集。

·OUTTREE=输出谱系聚类树数据集，把谱系聚类树输出到一个数据集，可以用TREE过程绘图并实际分类。

·STANDARD选项，把变量标准化为均值0，标准差1。

·PSEUDO选项和CCC选项。PSEUDO选项要求计算伪F和伪t2统计量，CCC选项要求计算R2、半偏R2和CCC统计量。其中CCC统计量也是一种考察聚类效果的统计量，CCC较大的聚类水平是较好的。

二、TREE过程用法

TREE过程可以把CLUSTER过程产生的OUTTREE=数据集作为输入，画出谱系聚类的树图，并按照用户指定的聚类水平（类数）产生分类结果数据集。一般格式如下：

PROC TREE DATA=输入聚类结果数据集

OUT=输出数据集GRAPHICS

NCLUSTER=类数选项：

COPY复制变量：

RUN;

其中COPY语句把输入数据集中的变量复制到输出数据集（实际上这些变量也必须在CLUSTER过程中用COPY语句复制到OUTTREE一数据集）。PROC TREE语句的重要选项有：

DATA=数据集，指定从CLUSTER过程生成的OUTTREE=数据集作为输入。
OUT=数据集，指定包含最后分类结果（每一个观测属于哪一类，用一个CLUSTER变量区分）的输出数据集。
NCLUSTERS=选项，由用户指定最后把样本观测分为多少个类。
HORIZONTAL，画树图时横向画。