SAS期末论文-聚类分析-判别分析

统计软件》课程

期末论文系（院）：理学院专业：数学与应用数学班级：学生姓名：学号:指导教师：耿兴波开课时间：2012-2013学年一学期#SAS垂统TheDISCRIMProcedureLinearDiscrirr11nantFunctionSAS东•凱2l〕l〕4年12月19曰星期日下干11〕时10分18秒28L；已「归「aliz已d:SquaredDista.「i匚:已Fli「i匚:tid「iF9：m：t已norPrubatuIityotMernbershipinEachTypeLltjEELESlt1匚|「1总andF'erc已「itCassitledErroriJouritEstimatesTutau,r：-：HyLi.yy-iH0.3333Fi」nctionVariableLabelABCConstsint芯片圾微动-715.87505-846.47445-562.79760Chips50.3631653.9934044.64945Driver44.2241644.6504736.43071Game游戏性27.9183935.1287627.33565LinearDiscriminantFuric11onturTypeTheDISCRIMProcedureCIassificationSummaryforCalibrationData:MYLIB.MOUSEDISCRIMResubs11tutionSummaryusingLinearDiscriminantFunc11onPr-(iX)=exp(-_5D(X)：)/SUMexpt-.5D(>O：：iTheDISCRIMProcedureL：Iass11i匚迅11an：SurnniarytorFWw；i」l:wtitutionyunimaryCalibrationData:MYLIB.MOUSEDISCRIMusingLi「i已3「DiscriminantFunc11□「［TypeABCTotal101250.000.0050.00100.00A5005100.000.000.00100.00B03030.00100.000.00100.00C00550.000.00100.00100.00Total6361540.0020.0040.00100.00Priors0.333330.333330.333332004^12月19tl星期b下干10HT10分18秒30TheDISCRIMProcedureL：lassificationSummaryforCalibrationData:MYLIB.MOUSEDISCRIMF：已substitutionyumrnaryusingLi「i已迅「DiscrirninaritLIJJIJUIJSTEPDISC过程命令针对具有一个分类的变量和若干数值型的数据集，STEPDISC过程执行逐步判别分析的操作，从指定的指标变量中筛选出一组变量，以便于判别分析。Procstepdisc常用的语法格式：Procstepdisc＜选项列表＞；Class＜变量＞；Var＜变量〉；Run;stepdisc常用选项及说明：Data=指定输入数据集，可为一般的类型，也可为其他特殊的类型（CORR、COVARIANCE、CSSCP、SSCP）HETHOD=指定筛选变量的方法，也可是FORWARD、BACKWARD和STEPWISE，默认为STEPWISESLENTRY=指定变量进入模型须达到的显著性水平，默认为0.15SLSTAY=指定模型内部的变量继续留在模型中（不被剔除）须达到的显著性水平，默认为0.15PR2ENTRY=指定变量进入模型须达到的平方偏相关系数值，此值必须小于等于1PR2STAY=指定模型内部的变量继续留在模型中（不被剔除）须达到的平方偏相关系数值,默认为0.15DISCRIM过程命令SAS中的procdiscrim（判别归类过程）可以实现：距离判别法，贝叶斯（Bayes）判别法，Fisher判别法（典型判别）。在procdiscrim中，当各总体为正态总体是，距离判别是Bayes判别的特殊形式。procdiscrim常用语法格式：PROCDISCRIM<options>;CLASSvariable;PRIORSprobabilities;VARvariables;discrim常用选项及说明：data=指定欲分析的数据集testdata=指定待判数据集，其中必须有“var”语句指定的所有判别变量。同时，还可使用“testout=”和“testoutd=”选项指定存储分类结果和组密度估计的数据集。out=指定生成一个数据集，其包含来自“data=”的所有数据、每个观测来自不同组的后验概率及判别结果。outstat=指定生成一个数据集，其包含分析过程中的各个统计量。manova各总体均值差异的显著性检验。对于k各已知总体，若，那么k个总体是不可区分的，判别分析就失去了意义。所以需进行差异显著性检验。method=normal|npar指定参数或非参数判别法。normal参数法为缺省项。参数方法：假定每组都服从多元正态分布，采用广义平方距离的量度得出判别函数或分类准则，其是基于组内协差阵或合并协差阵的。非参数方法：不要求正态分布，其基于组概率密度，采用核方法或k最近邻方法得到非参数估计。缺省条件下，procdiscrim认为个总体皆为正态总体，采用参数判别法。当我们不能确定各总体为正态时，一般应该有非参数判别法。pool=yes|no|test决定计算马氏距离时协差阵的选取。使用马氏距离进行判别时，需要估计总体协差阵；实际判别问题中，一般只知道来自k个总体的样本总体的样本，而不知道各总体均值和协差阵。当时用合并样本协差阵估计总体协差阵。当不全相等时，用组内样本协差阵估计总体协差阵。选项yes为默认，要求用合并样本协差阵PCOV（pooledcovariances）；选项no要求用组内协差阵WCOV（withincovariances）；选项test要求进行协差阵齐性检验：可以通过“slpool=”选项（默认slpool==0.10）指定显著性水平，若齐性成立相当于选项“yes”，若齐性不成立相当于选项“no”。crosslist对每个训练样本，在output中输出交叉确认判别结果。crosslisterr仅对训练样本中交叉确认的错误观测，在output中输出其交叉确认的结果。crossvalidata指定交叉确认判别。交叉确认的想法是，为了判断对观测i的判别正确与否，用删除第i个观测的数据集算出判别规则，然后用次判别函数来判别第i个观测threshold=p指定Bayes判别时可接受的最小后验概率，如果系新样本归入组别的最大后验概率小于P，则将其归入other组（不能判别），缺省为p=0。r=指定非参数法时核估计的核半径。kernel=uniform|normal|epanechnikov|biweight|triweight指定核函数，缺省值为uniform均匀核密度函数。k=指定非参数法时k最近邻估计的最邻近个数。canonical指定进行典型判别分析（即Fisher判别）。CANDISC过程命令CANDISC过程是专用于典则判别分析的SAS过程。CANDISC过程语句的一般格式：PROCCANDISC＜选项列表＞CLASS＜变量＞；VAR＜变量＞；RUN;CANDISC常用选项及说明：DATA=指定由CLUSTER过程生成的OUTTREE=数据集作为输入的数据集OUT=指定一个输出数据集，其中包含输入数据集的全部的数据和典则变量评分OUTSTAT=指定一个CORR类型的输出数据集，其中包含各个种类的各种统计量NCAN=指定需要计算的典则变量的个数，设置值必须小于VAR变量，此选项若设置为0，结果中仅包含典则相关的信息，典则结构、典则系数、典则变量的均值均不显示PEFIX=指定输出数据集中典则变量名称的前缀，默认为CAN，此选项中隐含包含了对CANONICAL选项的设置结果分析从输出结果可以看出，典型变量Z和Z作为原始变量的组合，集中了原始变量的绝大部分信息，并很好地概括了各组别之间的差异。典型判别是一种很好的降维技术，它用少量的典型变量代替原始变量，把样品分组情况直观地表现了出来。总结判别分析与聚类分析的联系与区别：首先，都要求对样本进行分类，但分析的内容和要求不一样。聚类分析事先并不知道存在什么类别，完全按照反映对象特征的数据把对象进行分类。判别分析是在事先有了某种分类标准之后，判定一个新的研究对象应该归属到哪一类别。其次，思想和方法相同。因为在判别分析中，决定某一样本应属于哪一类时，往往也使用某些聚类分析中的一些思想方法。最后，两者往往结合起来使用，当分类不清楚时，可以先用聚类分析对原有样品进行分类，然后再用判别分析建立判别函数以对新样品进行归类。感谢由于我的知识水平有限、经验的不足，报告的完成很不完美，还望老师见谅。在已经完成的内容中，还存在着许多不尽人意的地方。但是通过这次对SAS软件的运用，我进一步了解了《统计软件》这门课程，加深了对书本知识的理解。另外在这门课的学习过程中，当我碰到不明白的问题时，耿老师总是耐心的讲解，给我以极大的帮助，使我获益匪浅。因此非常感谢老师的教导