《《sas中判别分析》ppt课件》由会员分享，可在线阅读，更多相关《《sas中判别分析》ppt课件（31页珍藏版）》请在金锄头文库上搜索。
1、用SAS进行判别分析,距离判别 贝叶斯判别 典型判别（fisher判别） 逐步判别,距离判别,Obs x1 x2 x3 x4 group 1 13.85 2.79 7.80 49.60 A 2 22.31 4.67 12.31 47.80 A 3 28.82 4.63 16.18 62.15 A 4 15.29 3.54 7.50 43.20 A 5 28.79 4.90 16.12 58.10 A 6 2.18 1.06 1.22 20.60 B 7 3.85 0.80 4.06 47.10 B 8 11.40 0.00 3.50 0.00 B 9 3.66 2.42 2.14 15.10
2、B 10 12.10 0.00 5.68 0.00 B 11 8.85 3.38 5.17 26.10 12 28.60 2.40 1.20 127.00 13 20.70 6.70 7.60 30.20 14 7.90 2.40 4.30 33.20 15 3.19 3.20 1.43 9.90 16 12.40 5.10 4.43 24.60 17 16.80 3.40 2.31 31.30 18 15.00 2.70 5.02 64.00,书p182，表5.1，盐泉的特征数值,data ds511; input x1-x4 group $; cards; 13.85 2.79 7.80
3、49.60 A 28.79 4.90 16.12 58.10 A 2.18 1.06 1.22 20.60 B 12.10 0.00 5.68 0.00 B ; data d511test; input x1-x4 group $; cards; 8.85 3.38 5.17 26.10 . 28.60 2.40 1.20 127.0 . 15.00 2.70 5.02 64.00 . ; proc discrim data=ds511 testdata=d511test list testlist; class group; var x1-x4; run;,两个数据集：ds511、d511t
4、est，分别是训练数据和待判别的数据。 在discrim语句中，要用testdata=d511test来指明，d511test是待判别的数据集。 输入字符串数据时，可以用英文句点.来表示空字符串。 LIST，印出各觀察值被分類的結果 TESTLIST，印出被測試資料內所有觀察值,data d511; input x1-x4 group $; cards; 13.85 2.79 7.80 49.60 A 28.79 4.90 16.12 58.10 A 2.18 1.06 1.22 20.60 B 12.10 0.00 5.68 0.00 B 8.85 3.38 5.17 26.10 . 28.
5、60 2.40 1.20 127.0 . 15.00 2.70 5.02 64.00 . ; options ps=60 ls=75; proc print data=d511; run; proc discrim data=d511 simple wcov pcov wsscp psscp distance list; class group; var x1-x4; run;,Options ps=60 ls=75表示输出屏幕定义为一页60行，每行75字符,proc print以报表方式输出数据集,wsscp，打印各组的离差交乘积和矩阵,这个程序与前一个程序略有不同，它没有采用两个数据集，而
6、是把训练数据和待判别数据全部写到一个数据集：d511。,distance，打印各组之间的马氏距离，和F统计量。,PROC DISCRIM OPTIONS 選擇項有： (1)DATA=SASdataset，指定作判別分析之資料組 (2)OUT=SASdataset，指定存放判別分析後計量之資料組 *(3)TESTDATA=SASdataset，指定一個用來測試判別函數的資料組 (4)WCOV，印出各類別裏之共變數矩陣 (5)WCORR，印出各類別之相關矩陣 (6)SIMPLE，印出原始變數之平均數，標準差等 (7)PCOV，印出各類別裏共變數矩陣的平均數 (8)PCORR，印出淨相關係數矩陣的平
7、均數 (9)LISTERR，印出被分到錯誤類別的觀察值 (10)TESTLIST，印出被測試資料內所有觀察值 (11)LIST，印出各觀察值被分類的結果 (12)TESTLISTERR，印出在測試資料組內被分到錯誤類別的觀察值 *(13)NOSUMMARY，分類結果暫時不印出 *(14)POOL=YES或=TEST，系統內定值為=YES，其分析所用的判別函數來自各類別之共變數矩陣.若選=TEST，則用Ratio Test考驗各類別裏的共變數矩陣相同程度是否達顯著水準，若達顯著水準，其功用如POOL=NO，若否，則如POOL=YES. *(15)THRESHOLD=P，指定一個最小的事後機率(p
8、osterior probability),贝叶斯判别,Obs group x1 x2 x3 x4 1 1 228 134 20 11 2 1 245 134 10 40 3 1 200 167 12 27 4 1 170 150 7 8 5 1 100 167 20 14 6 2 225 125 7 14 7 2 130 100 6 12 8 2 150 117 7 6 9 2 120 133 10 26 10 2 160 100 5 10 11 3 185 115 5 19 12 3 170 125 6 4 13 3 165 142 5 3 14 3 135 108 2 12 15 3 1
9、00 117 7 2,书p192，表5.2，胃癌检验的生化指标,Group=1，胃癌 Group=2，萎缩性胃炎 Group=3，非胃炎,data d522; input group x1-x4 ; cards; 1 228 134 20 11 1 245 134 10 40 1 200 167 12 27 1 170 150 7 8 1 100 167 20 14 2 225 125 7 14 2 130 100 6 12 2 150 117 7 6 2 120 133 10 26 2 160 100 5 10 3 185 115 5 19 3 170 125 6 4 3 165 142 5
10、 3 3 135 108 2 12 3 100 117 7 2 ; proc print data=d522; run; proc discrim data=d522 pool=no distance list; class group; priors 1=0.33333 2=0.33333 3=0.33333; var x1-x4; run;,Priors语句，指出每组患者的先验概率。,典型判别（ fisher）法,data d522; proc candisc data=d522 out=can532 ncan=2 distance simple; class group; var x1-
11、x4; run; proc plot data=can532; plot can2*can1 = group; run; proc print data=can532; run; proc discrim data=can532 distance list; class group; var can1 can2; run; proc discrim data=can532 pool=no distance list; class group; var can1 can2; run;,P198，例5.3.2，还是p192表5.2的数据，但用典型判别法的做法,ncan=2指出原始数据投影到2维空间
12、中，使类间距离最大化，类内距离最小化后，所得的2维数据。,Obs group x1 x2 x3 x4 Can1 Can2 1 1 228 134 20 11 2.75459 1.12712 2 1 245 134 10 40 2.04732 1.26078 3 1 200 167 12 27 2.87670 -0.85375 4 1 170 150 7 8 0.42984 -1.78803 5 1 100 167 20 14 2.88596 0.00755 6 2 225 125 7 14 0.16132 -0.26364 7 2 130 100 6 12 -2.03517 1.18626 8
13、 2 150 117 7 6 -1.15808 -0.03218 9 2 120 133 10 26 0.32348 0.93155 10 2 160 100 5 10 -1.97122 0.78573 11 3 185 115 5 19 -0.84243 0.42801 12 3 170 125 6 4 -0.87319 -0.83084 13 3 165 142 5 3 -0.44736 -1.96201 14 3 135 108 2 12 -2.36910 0.08988 15 3 100 117 7 2 -1.78267 -0.08642,这是pool=yes的判别结果,这是pool=
14、no的判别结果,逐步判别,data d522; input group x1-x4 ; cards; 1 228 134 20 11 1 245 134 10 40 1 200 167 12 27 1 170 150 7 8 1 100 167 20 14 2 225 125 7 14 2 130 100 6 12 2 150 117 7 6 2 120 133 10 26 2 160 100 5 10 3 185 115 5 19 3 170 125 6 4 3 165 142 5 3 3 135 108 2 12 3 100 117 7 2 ; proc stepdisc data=d52
15、2 METHOD=STEPWISE sle=0.15 sls=0.15; class group; var x1-x4; run;,P210，例5.5.1，还是p192表5.2的数据，但采用逐步判别法的做法,Method=stepwise|sw，变量增减的逐步判别 Method=backward|bw，变量减少法 Method=forword|fw，变量增加法,Sle或slentry=p，引入变量的显著性水平，默认0.15 Sls或slstay=p，剔除变量的显著性水平，默认0.15,proc discrim data=d522 list; class group; var x2 x3; run;,用
