SASdiscrim距离判别和贝叶斯判别法.doc

距离判别和贝叶斯判别法 SAS/STAT（DISCRIM）过程部分语句说明 DISCRIM过程语句 SAS/STAT（DISCRIM）产生线性判别函数并进行分类，主要的语句如下： PROC DISCRIM options；}必需语句 CLASS variabaes；}必需语句 可选择的语句 二、程序实例及解释 例：某年为了研究某年全国各地农民家庭收支的分布情况，对全国28个地区进行了抽样调查。食品，衣着，燃料，住房，生活用品及其他和文化服务支出。 data a;input type x1-x6;cards; 数据行； run;data b;input x1-x6; cards; 190.33 43.77 9.73 60.54 49.01 9.04 221.11 38.64 12.53 115.65 50.82 5.89 182.55 20.52 18.32 42.40 36.97 11.68 ; PROC DISCRIM DATA=a TESTDATA=b out=c crossvalidate method=normal TESTLIST testout=d; priors proportional; CLASS TYPE; VAR x3 x5 x6; proc print data=d; RUN; PROC DISCRIM DATA=a指定对数据集a中的数据进行判别分析； TESTDATA=b指定欲分类观测的样品所在的数据集； crossvalidate要求做交叉核实。交叉核实的想法是，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； method=normal或npar确定导出分类准则的方法，却上缺省值为method=normal。当指定method=normal时，基于类内服从多员正态分布，并产生的判别函数是线性函数或二次判别函数； ALL规定打印出所有的结果； TESTLIST规定列出TESTDATA=b中的全部的分类结果； testout=d生成一个新的数据集，该数据集包括TESTDATA=b中的所有数据，后验概率和每个样品被分的类。 priors proportional要求用各类出现的比例计算各类的先验概率； 三、部分程序输出 Class Level Information（类的水平信息） Output Prior TYPE SAS Name Frequency Weight Proportion Probability 1 _1 6 6.0000 0.240000 0.240000 2 _2 10 10.0000 0.400000 0.400000 3 _3 9 9.0000 0.360000 0.360000 Pooled Covariance Matrix Information（合并的协方差矩阵信息） Covariance Natural Log of the Determinant Matrix Rank of the Covariance Matrix 3 4Pairwise Generalized Squared Distances Between Groups （广义平方距离） Generalized Squared Distance to TYPE From TYPE 1 2 3