聚類分析原理與測試

1648

收藏 2014-10-06

小弟第一次發文，如有疏漏，請多指教

主題為介紹SAS軟件中下對上的階層式聚類法，為非監督式分類法之一

語法如下：

PROC CLUSTER data=abc METHOD=AVERAGE OUTTREE=TREE ccc pseudo;
VAR x;
copy y;
run;

*輸入資料集、方法採用（據SAS官方所述，在此介紹兩種，Average為UPGMA法，計算距離採正規化後均方根距離；
Centroid為UPGMC法，對觀測值或集群取中位數後計算兩兩成對的歐式距離）

*Outtree為輸出繪製樹形圖所需表格

*CCC為輸出類間群集準則

*Pseudo為輸出偽T與偽F檢定量

proc tree data=tree ncl=a out=result;
run;

輸出樹形圖與表，ncl為指定群集個數，out為輸出統計表

樹形圖如上，觀測值或集群兩兩成對計算距離後，取最短距離之兩觀測值（或集群）進行合併

兩距離相近之觀測值或集群進行連接

合併至只剩一個集群停止

集群準則圖，判定合併方式之一

SAS輸出的報表

RSQ為模式線性關係強弱，Semi-Partial RSQ為邊際（marginal）的RSQ

描述RSQ的增量，一般不於過大時選擇分群數目，避免多分一群時大幅增加模式解釋度

偽F統計量描述組間離散度/組內離散度，故該值愈大則合併至該數目愈佳

偽T統計量與CCC值方在探討中，希望熱心人士能予以解答