sas聚类分析对已有样本分类后如何预测新样本属于哪一类

Question

如题，在对数据进行聚类分析后，分成了10类，然后现在有一波新样本，想看看新样本属于这10类中的哪一类，这个用sas能实现吗？
目前聚类分析代码如下
proc fastclus data=a maxc=10 maxiter=30 out=work.clus；
var a1 b2 c3；
id y1；
run；

Answer 1

引自免费微信小程序：皆我百晓生

在SAS中，完成聚类分析并对新样本进行分类预测时，可以采用先前训练好的聚类模型（如K-means模型）对新样本进行预测。尽管PROC FASTCLUS主要用于快速聚类，但不直接支持预测新样本所属类别。对于预测阶段，通常我们会使用PROC CLUSTER结合PROC PATTERNRECOG来处理。

不过，可以采用以下步骤间接实现：

1. 首先，利用已有的PROC FASTCLUS结果，保存聚类中心（centroids）到新的数据集。

/* 假设已经运行了你的FASTCLUS过程并得到了聚类结果 */
data centroids;
  set work.clus(keep=center_1-center_10);
run;

1. 对于新的观测样本，计算它们与之前得到的聚类中心之间的距离，选择最近的聚类中心所对应的类别。

/* 假设新样本数据集为new_data，包含变量a1, b2, c3 */
data new_data_with_distance;
  merge new_data centroids;
  distance = sqrt((center_1 - a1)**2 + (center_2 - b2)**2 + (center_3 - c3)**2);
run;

/* 找出每个新样本离哪个聚类中心最近，并赋予类别标签 */
proc sql noprint;
  create table predicted_classes as
  select 
    t1.y1,
    min(distance) as min_distance,
    coalesce(which_min(distance), .) as cluster_id
  from new_data_with_distance t1 left join centroids t2
  group by t1.y1;
quit;

/* where 'which_min' is a custom function that returns the index of the minimum value in a row. 
   You might need to write your own macro or use array logic to achieve this step. */

1. 根据计算出的距离值，将每个新样本分配到最近的聚类类别。

请注意，上述步骤是基于欧式距离的一种简单示例方法，实际应用中可能需要根据实际情况调整距离度量方式或其他聚类算法特性。另外，虽然SAS内建的PROC PATTERNRECOG可用于模式识别和分类，但对于K-means聚类的结果并不直接适用，所以这里我们采取的是手动计算距离的方法。如果你需要更精确的预测方法，可能需要考虑使用支持聚类预测的其他工具或算法，例如KNN分类器等。