如何在sas中使用proc cluster（附示例）

聚类是一种机器学习技术，尝试在数据集中查找观察组。

目标是找到聚类，使得每个聚类内的观察结果彼此非常相似，而不同聚类中的观察结果彼此非常不同。

在 SAS 中进行聚类的最简单方法是使用PROC CLUSTER 。

以下示例展示了如何在实践中使用PROC CLUSTER 。

示例：如何在 SAS 中使用 PROC CLUSTER

假设我们有以下数据集，其中包含 20 名不同篮球运动员的得分、助攻和篮板信息：

 /*create dataset*/             
data my_data;
    input points assists rebounds;   
    datalines ;
18 3 15
20 3 14
19 4 14
14 5 10
14 4 8
15 7 14
20 8 13
28 7 9
30 6 5
31 9 4
35 12 11
33 14 6
29 9 5
25 9 5
25 4 3
27 3 8
29 4 12
30 12 7
19 5 6
23 11 5
;
run ;

/*view dataset*/ 
proc print data =my_data;

假设我们想要进行一些分组，以尝试识别具有相似统计数据的玩家“集群”。

以下代码展示了如何使用SAS中的PROC CLUSTER进行聚类：

 /*perform clustering using points, assists and rebounds variables*/             
proc cluster data =my_data method =average;
var points assists rebounds;
run ;

结果的第一个表提供了有关如何进行聚类的信息：

还生成了树状图，以便我们可以直观地检查数据集中观测值之间的相似性：

y 轴显示单个观测值，x 轴显示簇之间的平均距离。

看看这个树状图，观察结果似乎自然分为三组：

然后，我们可以使用ncl=3的PROC TREE语句来告诉 SAS 将原始数据集中的每个观测值分配给三个集群之一：

 /*assign each observation to one of three clusters*/
proc tree data =clustd noprint ncl =3 out =clusts;
    copy points assists rebounds;
    id player_ID;
run ;
proc sort ;
   by cluster;
run ;

/*view cluster assignments*/
proc print data = clusters;
    id player_ID;
run ;

生成的数据集显示每个原始观测值及其所属的簇：

例如，我们可以看到： ID为2、3、1、4、5、7、6和19的玩家都属于集群1 。

这告诉我们，这八名球员在得分、助攻和篮板方面的变量是“相似的”。

注意：对于此示例，我们选择使用平均作为聚类的链接方法。有关可以使用的其他绑定方法的完整列表，请参阅SAS 文档。

其他资源

以下教程解释了如何在 SAS 中执行其他常见任务：

如何在 SAS 中执行主成分分析
如何在 SAS 中执行多元线性回归
如何在 SAS 中执行逻辑回归