SASEM实例进阶VIP免费

SAS EM 实例进阶 Created by ：Ning Gang ****************HP GDCC GAPSE 2008-12-29 1. SAS Enterprise Miner 简介 1.1. 数据挖掘简介 数据仓库的发展，为分析人员提供了在各种层次上、历史回溯的数据信息。对未来的信息要进行预测，这就演化出来数据挖掘技术。 数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 目前数据挖掘应用于很多行业中，来解决众多的商业问题，如数据库营销（Database Marketing）、客户群体划分（Cu stomer Segmentation & Classification）、背景分析（Profile Analy sis）、交叉销售（Cross-selling）等市场分析行为，以及客户流失性分析(Chu rn Analy sis)、客户信用记分(Credit Scoring)、欺诈发现(Frau d Detection)等等。 1.2. EM 简介 SAS Enterprise Miner 简称 EM，它把统计分析系统和图形用户界面（GUI）紧密结合，对用户友好、直观、灵活、使用方便，使对统计学无经验的用户也可以理解和使用。 SAS 定义了数据挖掘方法——SEMMA 方法，即抽样（Sample）、探索（Ex plore）、修改（Modify ）、建模（Model）、评价（Assess）。以下 SEMMA 方法从 SAS Help 文档中拷贝，不再翻译以求理解准确。  Sample the data by creating one or more data tables. The sample should be large enough to contain the significant information, yet small enough to process.  Ex plore the data by searching for anticipated relationships, unanticipated trends, and anomalies in order to gain understanding and ideas.  Modify the data by creating, selecting, and transforming the variables to focus the model selection process.  Model the data by using the analytical tools to search for a combination of the data that reliably predicts a desired outcome.  Assess the data by evaluating the usefulness and reliability of the findings from the data mining process. EM 建立分析流程中，不必包含SEMMA 方法每一步，同时其中的步骤可以重复出现。 在SAS 窗口菜单中依此选择“解决方案”-...