聚类分析算法及SAS实现

聚类分析是用户细分里面最为重要的工具，而用户细分则是整个精准营销里面的基础。

聚类分析方法分为：

• 层次法：可分为凝聚式和分列式，适用于观测数比较少的情形

1、凝聚式：将每个观测都归为一类，然后每次都将最相似的两个类合并成一个新的类，直至所有的观测成为一类或者达到所预订的分类条件为止。SAS中的层次法都是凝聚式。

分列式：将所有观测归为一类，接下来美的都把现有的类别按照相似程度一分为二，直至每一观测都各自成为一类或者达到预订的分类条件为止。

2、使用过程CLUSTER实现层次法

proc cluster data=  outtree=用于生成树形图的数据集 method=  <选项>;

by variables;
  copy variables;
  id variables;
  rmsstd variables;/*指定了方根标准方差变量*/
  var variables;
run;
【注："method= "指定做层次分析的具体方法，可以指定11种系统聚类方法：
  average：类平均法

centroid：重心法

complete：最长距离法

density：密度估算法
  eml：最大似然谱系聚类

flexible：可变类平均法

mcquitty：可变法

mcquitty相似分析法
  median：中间距离法

single：最短距离法

twostage：两阶段密度估算法

ward：离差平方和法

<选项>：CCC用于输出（cubic clustering criterion）值，称三次聚类准则；

pseudo用于输出伪F统计量与伪T统计量；

rsquare用于输出统计量R方（越大表示类之间分得越开，聚类效果越好）与半偏R方（上一步与该步的差异，越小越好）；】

对树形图进行控制：

proc tree data= haxis=用于自定义横坐标轴（例如通过axis order=(0 to 1 by 0.1)事先定义，然后直接引用axis）  horizontal 用于指定生成水平数；

name 变量；

height 变量；

copy 变量；

id 变量；

run;

• 划分法：在开始阶段指定某几个类中心，接下来通过计算将每个观测暂时归到距离其最近的类中心所在的类，并且不断调整类中心直至收敛。

1、使用fastclus实现K均值聚类法，可用来处理规模较大的数据。

proc fastclus data=数据集 maxc=聚类分析生成的分类数目的最大值，默认100 maxiter=为重新计算种子类的最大迭代次数 out=指定输出数据集；

var 变量；

run;

（未完待续）