我们有一门课，数据挖掘，老师给的作业是：
        用K均值法、K中心点法、层次聚类算法三个算法对下面的150个样本集进行聚类分析，并且分别求出各算法的以下五个参数：

1、误差平方和：SSE；
2、Rand 指数： R = ( a + d) /M         
3、Jaccard 系数:J = a / ( a + b + c)
4、Adjusted Rand index 参数:RI =2*( ad － bc) / [( a + b) ( b + d) + ( a + c) ( c + d)]
5、时间。  这个很简单，就是运行时间。嘿嘿



我自己由于上周才开始接触SAS，老师和其他同学都是用matlab做，但我想用SAS做，可是，遭遇的问题困惑太多了，太郁闷了，困惑描述如下：

1、我压根不知道    误差平方和   SSE    在SAS中是哪个结果参数，网上找了很多都没找到，只大概知道是在PROC FASTCLUS过程中产生，还知道层次聚类法的method=word时就是采用误差平方和最小的策略进行聚类的，不知道对不对，希望各位大师加以点播！！

2、上面的2、3、4个参数应该可以自己手算的，但是样本数比较多，很麻烦，所以非常困惑SAS有没有哪个相应的参数就是给出的结果但我不知道是哪个。。。我只知道SAS中的 Total STD    Within STD      R-Square     RSQ/(1-RSQ)等几个都不是。。

3、我自己写了算法，求教大师指导，我的算法如下：
1）k-means的：
proc cluster data=iris method=median outtree=irisdata standard ccc;  var x1-x5;  id id;  run;
proc tree data=irisdata horizontal;       run;
2）K中心点，我不知道是用哪个函数；
3）层次聚类：我仅仅是把第一个中的median改成word了，不知道对不对；
proc cluster data=iris   method=word   outtree=irisdata   standard ccc;   var x1-x5;   id id;   run;
proc tree data=irisdata horizontal;    run;

最后补充汇总我的困惑：    1、误差平方和SSE  怎么用SAS求得。    2、上面的  Rand 指数   Jaccard 系数    Adjusted Rand index 参数  三个参数怎么用SAS调用函数求得？另外用tree画出谱系图时，150个样本太多了，怎么处理才能清楚的看到每个样本分类呢？      3，希望有好心人能给我一个可以正确运行的三个算法代码。我已经研究了两天，还是不明白。非常感激！在线等！！


序号  x1   x2    x3     x4      x5 （x5是老师给出的类别）
1    5.1    3.5    1.4    0.2     1
2    4.9    3.0    1.4    0.2     1
3    4.7    3.2    1.3    0.2     1
4    4.6    3.1    1.5    0.2     1
5    5.0    3.6    1.4    0.2     1
6    5.4    3.9    1.7    0.4     1
7    4.6    3.4    1.4    0.3     1
8    5.0    3.4    1.5    0.2     1
9    4.4    2.9    1.4    0.2     1
10    4.9    3.1    1.5    0.1     1
11    5.4    3.7    1.5    0.2     1
12    4.8    3.4    1.6    0.2     1
13    4.8    3.0    1.4    0.1     1
14    4.3    3.0    1.1    0.1     1
15    5.8    4.0    1.2    0.2     1
16    5.7    4.4    1.5    0.4     1
17    5.4    3.9    1.3    0.4     1
18    5.1    3.5    1.4    0.3     1
19    5.7    3.8    1.7    0.3     1
20    5.1    3.8    1.5    0.3     1
21    5.4    3.4    1.7    0.2     1
22    5.1    3.7    1.5    0.4     1
23    4.6    3.6    1.0    0.2     1
24    5.1    3.3    1.7    0.5     1
25    4.8    3.4    1.9    0.2     1
26    5.0    3.0    1.6    0.2     1
27    5.0    3.4    1.6    0.4     1
28    5.2    3.5    1.5    0.2     1
29    5.2    3.4    1.4    0.2     1
30    4.7    3.2    1.6    0.2     1
31    4.8    3.1    1.6    0.2     1
32    5.4    3.4    1.5    0.4     1
33    5.2    4.1    1.5    0.1     1
34    5.5    4.2    1.4    0.2     1
35    4.9    3.1    1.5    0.2     1
36    5.0    3.2    1.2    0.2     1
37    5.5    3.5    1.3    0.2     1
38    4.9    3.6    1.4    0.1     1
39    4.4    3.0    1.3    0.2     1
40    5.1    3.4    1.5    0.2     1
41    5.0    3.5    1.3    0.3     1
42    4.5    2.3    1.3    0.3     1
43    4.4    3.2    1.3    0.2     1
44    5.0    3.5    1.6    0.6     1
45    5.1    3.8    1.9    0.4     1
46    4.8    3.0    1.4    0.3     1
47    5.1    3.8    1.6    0.2     1
48    4.6    3.2    1.4    0.2     1
49    5.3    3.7    1.5    0.2     1
50    5.0    3.3    1.4    0.2     1
51    7.0    3.2    4.7    1.4     2
52    6.4    3.2    4.5    1.5     2
53    6.9    3.1    4.9    1.5     2
54    5.5    2.3    4.0    1.3     2
55    6.5    2.8    4.6    1.5     2
56    5.7    2.8    4.5    1.3     2
57    6.3    3.3    4.7    1.6     2
58    4.9    2.4    3.3    1.0     2
59    6.6    2.9    4.6    1.3     2
60    5.2    2.7    3.9    1.4     2
61    5.0    2.0    3.5    1.0     2
62    5.9    3.0    4.2    1.5     2
63    6.0    2.2    4.0    1.0     2
64    6.1    2.9    4.7    1.4     2
65    5.6    2.9    3.6    1.3     2
66    6.7    3.1    4.4    1.4     2
67    5.6    3.0    4.5    1.5     2
68    5.8    2.7    4.1    1.0     2
69    6.2    2.2    4.5    1.5     2
70    5.6    2.5    3.9    1.1     2
71    5.9    3.2    4.8    1.8     2
72    6.1    2.8    4.0    1.3     2
73    6.3    2.5    4.9    1.5     2
74    6.1    2.8    4.7    1.2     2
75    6.4    2.9    4.3    1.3     2
76    6.6    3.0    4.4    1.4     2
77    6.8    2.8    4.8    1.4     2
78    6.7    3.0    5.0    1.7     2
79    6.0    2.9    4.5    1.5     2
80    5.7    2.6    3.5    1.0     2
81    5.5    2.4    3.8    1.1     2
82    5.5    2.4    3.7    1.0     2
83    5.8    2.7    3.9    1.2     2
84    6.0    2.7    5.1    1.6     2
85    5.4    3.0    4.5    1.5     2
86    6.0    3.4    4.5    1.6     2
87    6.7    3.1    4.7    1.5     2
88    6.3    2.3    4.4    1.3     2
89    5.6    3.0    4.1    1.3     2
90    5.5    2.5    4.0    1.3     2
91    5.5    2.6    4.4    1.2     2
92    6.1    3.0    4.6    1.4     2
93    5.8    2.6    4.0    1.2     2
94    5.0    2.3    3.3    1.0     2
95    5.6    2.7    4.2    1.3     2
96    5.7    3.0    4.2    1.2     2
97    5.7    2.9    4.2    1.3     2
98    6.2    2.9    4.3    1.3     2
99    5.1    2.5    3.0    1.1     2
100    5.7    2.8    4.1    1.3     2
101    6.3    3.3    6.0    2.5     3
102    5.8    2.7    5.1    1.9     3
103    7.1    3.0    5.9    2.1     3
104    6.3    2.9    5.6    1.8     3
105    6.5    3.0    5.8    2.2     3
106    7.6    3.0    6.6    2.1     3
107    4.9    2.5    4.5    1.7     3
108    7.3    2.9    6.3    1.8     3
109    6.7    2.5    5.8    1.8     3
110    7.2    3.6    6.1    2.5     3
111    6.5    3.2    5.1    2.0     3
112    6.4    2.7    5.3    1.9     3
113    6.8    3.0    5.5    2.1     3
114    5.7    2.5    5.0    2.0     3
115    5.8    2.8    5.1    2.4     3
116    6.4    3.2    5.3    2.3     3
117    6.5    3.0    5.5    1.8     3
118    7.7    3.8    6.7    2.2     3
119    7.7    2.6    6.9    2.3     3
120    6.0    2.2    5.0    1.5     3
121    6.9    3.2    5.7    2.3     3
122    5.6    2.8    4.9    2.0     3
123    7.7    2.8    6.7    2.0     3
124    6.3    2.7    4.9    1.8     3
125    6.7    3.3    5.7    2.1     3
126    7.2    3.2    6.0    1.8     3
127    6.2    2.8    4.8    1.8     3
128    6.1    3.0    4.9    1.8     3
129    6.4    2.8    5.6    2.1     3
130    7.2    3.0    5.8    1.6     3
131    7.4    2.8    6.1    1.9     3
132    7.9    3.8    6.4    2.0     3
133    6.4    2.8    5.6    2.2     3
134    6.3    2.8    5.1    1.5     3
135    6.1    2.6    5.6    1.4     3
136    7.7    3.0    6.1    2.3     3
137    6.3    3.4    5.6    2.4     3
138    6.4    3.1    5.5    1.8     3
139    6.0    3.0    4.8    1.8     3
140    6.9    3.1    5.4    2.1     3
141    6.7    3.1    5.6    2.4     3
142    6.9    3.1    5.1    2.3     3
143    5.8    2.7    5.1    1.9     3
144    6.8    3.2    5.9    2.3     3
145    6.7    3.3    5.7    2.5     3
146    6.7    3.0    5.2    2.3     3
147    6.3    2.5    5.0    1.9     3
148    6.5    3.0    5.2    2.0     3
149    6.2    3.4    5.4    2.3     3
150    5.9    3.0    5.1    1.8     3
下面是老师给的样本：