文档介绍：SAS 中的聚类分析方法总结（1）——聚类分析概述

说起聚类分析，相信很多人并不陌生。这篇原创博客我想简单说一下我所理解的聚类分析，
欢迎各位高手不吝赐教和拍砖。
按照正常的思路，我大概会说如下几个问题：
1. 还是有点差。尤其是第二主成分
之后的主成分。那用什么比较好呢？答案是 proc varclus——斜交主成分。
我们常说的主成分实际上正交主成分。斜交主成分是在正交主成分的基础上再做了一些旋转。
这样得到的主成分不仅能保留主成分的优点（主成分变量相关程度比较低）。另外一方面又
能有很到的解释性，并且能达到对变量聚类的效果。使同类别里面的变量尽可能相关程度比
较高，不同类别里面的变量相关程度尽可能低。这样根据一定的规则我们就可以在每个类别
里面选取一些有代表性的变量，这样既能保证原始的数据信息不致损失太多，也能有效消除
共线性。有效提升聚类分析的精度。
8. 用 proc mds 和 proc princomp 做什么？
将原始数据降到两维，通过图形探测整个数据聚类后大致大类别数

9. 用 proc aceclus 做什么？
聚类算法尤其是 k-means 算法要求聚类数据是球形数据。如果是细长型的数据或者非凸型数
据，这些算法的表现就会相当差。一个很自然的变通想法就是，能不能将非球形数据变换成
球形数据呢？答案是可以的。这就要用到 proc aceclus。
10. 标准化对聚类分析到底有什么影响？

1) 在讲影响之前先罗列一下 proc stdize 里面的标准化方法吧2) 标准化对聚类分析的影响

从图 1 中不太容易看清楚标准化对于聚类分析的影响

从图 2 可以清晰的看到标准化对于聚类分析的影响3) 各种标准化方法的比较
一个模拟数据的例子，模拟数据有三个类别，每个类别有 100 个样本。我们比较了各种标准
化方法之后再进行聚类的误判情况，可以大概看出各种标准化方法的差异。但此例并不能说
明以下方法中误分类数小的方法就一定优与误分类数大的方法。有时候还跟数据本身的分布
特征有关。这个例子也提醒我们有时候我们常用的 std 和 range 标准化并不见得是最好的选
择。附：本节相关 sas 代码就作为回帖吧。
/******************