Machine Learning Não Supervisionado - Cluster Analysis

  Machine Learning Não Supervisionado - Cluster Analysis

UML - Cluster Analysis - ANOVA and                                     MANOVA

UML - Unsupervised Machine Learning: Machine Learning Não Supervisionado

Obtaining Cluster Analysis

data  People;

input Categ $ BMI Movm kcal;

cards;

AT 20.5 54.4 3100

PR 25.3 2.7 2650

SE 25.6 2.9 2700

SEM 23.1 16.6 2950

;

proc cluster outtree = Dendrog method = average;

var BMI Movm kcal;

id Categ;

run;

PROC TREE DATA = Dendrog;

RUN; 

Program to do ANOVA

data People;

/* BMI: body mass index --> Índice de M. Corporal = Peso / (Altura * Altura)

     Movm: Movement (Km por semana)

     KCal : Kilocalories (ingeridas por dia)

     ATL: Athletes

     SEMI: Semi-athletes

     SEDE: Sedentary

     PROF: Professor

*/

input Categ $ BMI Movm Kcal;

cards;

ATL 20.2 60.7 3200

ATL 21.3 54.8 3100

ATL 19.3 49.6 2800

ATL 21.1 52.3 3300

SEMI 22.4 14.9 2600

SEMI 21.9 17.8 2700

SEMI 23.8 18.6 3200

SEMI 24.1 15.1 3300

SEDE  27.3 2.5 2700

SEDE 23.4 4.3 2300

SEDE  25.2 2.3 2600

SEDE  26.4 2.6 3200

PROF 26.2 4.1 2600

PROF 24.2 2.1 2700

PROF 25.4 1.9 2650

;

Proc ANOVA;

     Class Categ;

      Model BMI Movm Kcal = Categ;

     Means Categ / Duncan Lines;

Run;

Arithmetic Averages of Categories

Categ BMI Movm Kcal

AT 20.5 54.4 3100

PR 25.3 2.7 2650

SE 25.6 2.9 2700

SEM 23.1 16.6 2950

Program to do MANOVA

data imc_dat;

input cat $ imc corr kcal;

cards;

ATL 20.2 60.7 3200

ATL 21.3 54.8 3100

ATL 19.3 49.6 2800

ATL 21.1 52.3 3300

SEMI 22.4 14.9 2600

SEMI 21.9 17.8 2700

SEMI 23.8 18.6 3200

SEMI 24.1 15.1 3300

SEDE  27.3 2.5 2700

SEDE 23.4 4.3 2300

SEDE  25.2 2.3 2600

SEDE  26.4 2.6 3200

PROF 26.2 4.1 2600

PROF 24.2 2.1 2700

PROF 25.4 1.9 2650

;

proc print;

run;

proc glm;

 class cat;

 model imc corr kcal  = cat;

 contrast " Atl e Semiat Vs Seden e Prof"  cat 1 -1 -1 1;

 contrast " Professor Vs Sedentario" cat  0 1 -1 0;

 contrast " Atleta Vs Semiatleta" cat -1 0 0 1;

 manova h=_all_ / printe printh;

 contrast " Atl e Semiat Vs Seden e Prof"  cat 1 -1 -1 1;

 contrast " Professor Vs Sedentario" cat  0 1 -1 0;

 contrast " Atleta Vs Semiatleta" cat -1 0 0 1;

run;

Elaboração de Contraste:

AT PR  SE SEM

1  -1 -1   1 Atleta e Semiatleta Vs Professor e Sedentario

0   1 -1   0 Professor Vs Sedentario

1   0  0  -1 Atleta Vs Semiatleta

3  -1 -1  -1  Atleta Vs Outras Categorias