CLUSTER
Produkt CLUSTER jest dostępny w wersji Statistics Base Edition.
Produkt CLUSTER tworzy hierarchiczne klastry elementów w oparciu o miary odległości od niepodobieństwa lub podobieństwa. Elementy w klastrze są zwykle przypadkami z aktywnego zbioru danych, a miary odległości są obliczane na podstawie ich wartości dla jednej lub większej liczby zmiennych. Zmienne można również klastrowe, jeśli są odczytyowane w macierzy odległości między zmiennymi.
CLUSTER varlist [/MISSING=[EXCLUDE**] [INCLUDE]]
[/MEASURE=[{SEUCLID** }]
{EUCLID }
{COSINE }
{CORRELATION }
{BLOCK }
{CHEBYCHEV }
{POWER(p,r) }
{MINKOWSKI(p) }
{CHISQ }
{PH2 }
{RR[(p[,np])] }
{SM[(p[,np])] }
{JACCARD[(p[,np])] }
{DICE[(p[,np])] }
{SS1[(p[,np])] }
{RT[(p[,np])] }
{SS2[(p[,np])] }
{K1[(p[,np])] }
{SS3[(p[,np])] }
{K2[(p[,np])] }
{SS4[(p[,np])] }
{HAMANN[(p[,np])] }
{OCHIAI[(p[,np])] }
{SS5[(p[,np])] }
{PHI[(p[,np])] }
{LAMBDA[(p[,np])] }
{D[(p[,np])] }
{Y[(p[,np])] }
{Q[(p[,np])] }
{BEUCLID[(p[,np])] }
{SIZE[(p[,np])] }
{PATTERN[(p[,np])] }
{BSEUCLID[(p[,np])]}
{BSHAPE[(p[,np])] }
{DISPER[(p[,np])] }
{VARIANCE[(p[,np])]}
{BLWMN[(p[,np])] }
[/METHOD={BAVERAGE**}[(rootname)] [...]]
{WAVERAGE }
{SINGLE }
{COMPLETE }
{CENTROID }
{MEDIAN }
{WARD }
{DEFAULT** }
[/SAVE=CLUSTER({level })] [/ID=varname]
{min,max}
[/PRINT=[CLUSTER({level })] [DISTANCE] [SCHEDULE**] [NONE]]
{min,max}
[/PLOT=[VICICLE**[(min[,max[,inc]])]] [DENDROGRAM] [NONE]]
[HICICLE[(min[,max[,inc]])]]
[/MATRIX=[IN({'savfile'|'dataset'})] [OUT({'savfile'|'dataset'})]]
{* } {* }
** Wartość domyślna, jeśli pominięto opcję komendy lub słowo kluczowe.
Ta komenda odczytuje aktywny zbiór danych i powoduje wykonanie wszystkich oczekujących komend. Więcej informacji można znaleźć w temacie Kolejność komend .
Składnia komendy CLUSTER może zostać wygenerowana w oknie dialogowym Hierarchiczna analiza skupień .
Przykład
CLUSTER V1 TO V4
/PLOT=DENDROGRAM
/PRINT=CLUSTER (2,4).