聚类分析是用户细分里面最为重要的工具，而用户细分则是整个精准营销里面的基础。
聚类分析方法分为：
- 层次法：可分为凝聚式和分列式，适用于观测数比较少的情形
1、凝聚式：将每个观测都归为一类，然后每次都将最相似的两个类合并成一个新的类，直至所有的观测成为一类或者达到所预订的分类条件为止。SAS中的层次法都是凝聚式。
分列式：将所有观测归为一类，接下来美的都把现有的类别按照相似程度一分为二，直至每一观测都各自成为一类或者达到预订的分类条件为止。
2、使用过程CLUSTER实现层次法
proc cluster data= outtree=用于生成树形图的数据集 method= <选项>;
by variables;
copy variables;
id variables;
rmsstd variables;/*指定了方根标准方差变量*/
var variables;
run;
【注："method= "指定做层次分析的具体方法，可以指定11种系统聚类方法：
average：类平均法
centroid：重心法
complete：最长距离法
density：密度估算法
eml：最大似然谱系聚类
flexible：可变类平均法
mcquitty：可变法
mcquitty相似分析法
median：中间距离法
single：最短距离法
twostage：两阶段密度估算法
ward：离差平方和法
<选项>：CCC用于输出（cubic clustering criterion）值，称三次聚类准则；
pseudo用于输出伪F统计量与伪T统计量；
rsquare用于输出统计量R方（越大表示类之间分得越开，聚类效果越好）与半偏R方（上一步与该步的差异，越小越好）；】
对树形图进行控制：
proc tree data= haxis=用于自定义横坐标轴（例如通过axis order=(0 to 1 by 0.1)事先定义，然后直接引用axis） horizontal 用于指定生成水平数；
name 变量；
height 变量；
copy 变量；
id 变量；
run;
- 划分法：在开始阶段指定某几个类中心，接下来通过计算将每个观测暂时归到距离其最近的类中心所在的类，并且不断调整类中心直至收敛。
1、使用fastclus实现K均值聚类法，可用来处理规模较大的数据。
proc fastclus data=数据集 maxc=聚类分析生成的分类数目的最大值，默认100 maxiter=为重新计算种子类的最大迭代次数 out=指定输出数据集；
var 变量；
run;
（未完待续）