这个教训主要是关于clustering 的

CLEM 11中有3个cluster的工具，two stage(实际上是BIRCH算法), K-means, SOM
其中，只有two stage提供了选项可以对变量进行standardize，给人造成错觉k-means和som不提供这个功能
需要用户自己来standardize，实际上在查阅了CLEM 11附带的algorithm guide之后，我发现，K-means和SOM默认进行standardize。

但是接下来的问题是two-stage的standardize实际上是计算z-score就是方差为1，均知为零。而k-means和som的是range算法，就是最小值最大值那个。当然我们可以自己用derive node算z-score，可是由于k-means和som是默认standardize，而且似乎没有办法屏蔽掉这个过程(用CLEM 提供的script?我不知道，没试过),那么好像就算我辛辛苦苦算了z-score出来，最后也会被转变成range,,,

SPSS家的clementine感觉还是不如SAS EM严谨

不过CLEM 11比CLEM 10还是好了很多，如今data audit node提供了更强大的missing data imputation功能，终于有了C&RT imputation这一项。还有optimal binning，似乎也很有用。CLEM这版的特色似乎在于regression这边，增加了很多regression的工具，logit可以支持大于等于3个类的目标变量了，原来只有2个。Descriminant analysis以及general regression model的加入都很实用。

还有一个特色是decision list,这应该是一个给予association rules mining的应用，还没用太多，不过似乎不错

相比SAS EM, Clementine系列只能说还差一点，C&RT imputation这种功能在sas em 4.2版就有了。SAS EM在SAS Base的支持下，想要实现descriminant analysis以及其他regression方法也并不是难的事情。

以前Clementine比sas em强的地方在于有很多association rules mining的工具。而在sas em 4.2中，这方面很薄弱。不过似乎在SAM EM 5里面有了加强

就这些，斑竹是不是能发点钱啊，俺装的sas em 4.2过期了，想去sas版看破解的方法,,,,,,