99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線(xiàn)電話(huà)：13121318867

登錄
首頁(yè)精彩閱讀SAS數(shù)據(jù)挖掘?qū)崙?zhàn)篇【五】
SAS數(shù)據(jù)挖掘?qū)崙?zhàn)篇【五】
2016-04-10
收藏

SAS數(shù)據(jù)挖掘實(shí)戰(zhàn)篇【五】

SAS——預(yù)測(cè)模型
6.1 測(cè)模型介紹
預(yù)測(cè)型(Prediction)是指由歷史的和當(dāng)前的數(shù)據(jù)產(chǎn)生的并能推測(cè)未來(lái)數(shù)據(jù)趨勢(shì)的知識(shí)。這類(lèi)知識(shí)可以被認(rèn)為是以時(shí)
間為關(guān)鍵屬性的關(guān)聯(lián)知識(shí)，可以應(yīng)用到以時(shí)間為關(guān)鍵屬性的源數(shù)據(jù)挖掘中。從預(yù)測(cè)的主要功能上看，主要是對(duì)未來(lái)
數(shù)據(jù)的概念分類(lèi)和趨勢(shì)輸出。統(tǒng)計(jì)學(xué)中的回歸方法等可以通過(guò)歷史數(shù)據(jù)直接產(chǎn)生對(duì)未來(lái)數(shù)據(jù)預(yù)測(cè)的連續(xù)值。因而這
些預(yù)測(cè)型知識(shí)己經(jīng)蘊(yùn)藏在諸如趨勢(shì)曲線(xiàn)等輸出形式中。常見(jiàn)的預(yù)測(cè)模型主要有邏輯回歸、決策樹(shù)和神經(jīng)網(wǎng)絡(luò)。
1 邏輯回歸模型
一個(gè)隨機(jī)事件的發(fā)生與否往往與多個(gè)影響因素有關(guān)，Logistic回歸分析能從眾多的影響該事件發(fā)生的可疑因素中篩
選出對(duì)事件發(fā)生概率有影響的因素，并建立用這些因素估計(jì)該事件在某段時(shí)間內(nèi)發(fā)生概率的回歸模型。
2 決策樹(shù)模型
決策樹(shù)可能是最受歡迎的數(shù)據(jù)挖掘算法。用決策樹(shù)解決的最常見(jiàn)的數(shù)據(jù)挖掘任務(wù)是分類(lèi);例如，確定銀行每個(gè)客戶(hù)額
信用風(fēng)險(xiǎn)，或者找出這些客戶(hù)中哪些客戶(hù)可能是在線(xiàn)的購(gòu)買(mǎi)者。
決策樹(shù)的基本原理是遞歸的將數(shù)據(jù)裁分成子集，以便每一個(gè)子集包含目標(biāo)變量類(lèi)似的狀態(tài)，這些目標(biāo)變量是可預(yù)測(cè)
屬性。每一次對(duì)樹(shù)進(jìn)行拆分，都要評(píng)價(jià)所有的輸入屬性對(duì)可預(yù)測(cè)屬性的影響。當(dāng)這個(gè)遞歸的過(guò)程結(jié)束時(shí)，決策樹(shù)也
就創(chuàng)建完了。決策樹(shù)算法與其他的數(shù)據(jù)挖掘算法相比有一些優(yōu)勢(shì)，比如，利用決策樹(shù)可以快速創(chuàng)建挖掘模型，并且
創(chuàng)建的模型也很容易解釋。每一條從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的路徑就是一條規(guī)則?；?a href='/map/jueceshu/' style='color:#000;font-size:inherit;'>決策樹(shù)的預(yù)測(cè)也非常高效。對(duì)事例
進(jìn)行預(yù)測(cè)的過(guò)程是從根節(jié)點(diǎn)落到葉節(jié)點(diǎn)的路徑，所選擇的路徑基于決策樹(shù)中節(jié)點(diǎn)的拆分條件。
當(dāng)某一事例落到一個(gè)葉節(jié)點(diǎn)時(shí)，這個(gè)事例的預(yù)測(cè)值就是基于存儲(chǔ)在節(jié)點(diǎn)的統(tǒng)計(jì)值的。
人工神經(jīng)網(wǎng)絡(luò)：模擬人的神經(jīng)元功能，從結(jié)構(gòu)上模仿生物神經(jīng)網(wǎng)絡(luò)，經(jīng)過(guò)輸入層、隱藏層、輸出層等，對(duì)數(shù)據(jù)進(jìn)行
調(diào)整、計(jì)算，最后得到結(jié)果，是一種通過(guò)訓(xùn)練來(lái)學(xué)習(xí)的非線(xiàn)性預(yù)測(cè)模型。
6.2  logistic回歸
預(yù)測(cè)的基本問(wèn)題就是根據(jù)目前的事實(shí)正確地判斷未知事件發(fā)生的可能性。在實(shí)際項(xiàng)目中，未知值稱(chēng)為目標(biāo)，已知事
實(shí)稱(chēng)為輸入。輸入和目標(biāo)描述觀測(cè)值的度量方式。輸入和目標(biāo)變量的度量方式是通過(guò)不同的度量尺度表示。SAS EM
為構(gòu)建模型定義如下度量尺度：
區(qū)間度量：允許執(zhí)行簡(jiǎn)單算術(shù)運(yùn)算或者對(duì)數(shù)運(yùn)算的數(shù)值
有序度量：擁有內(nèi)在順序的定性屬性
名義度量：缺少內(nèi)在順序的定性屬性
二元度量：擁有兩個(gè)層次的定性屬性
為了解決預(yù)測(cè)中的基礎(chǔ)問(wèn)題，構(gòu)建輸入變量和目標(biāo)變量之間的數(shù)學(xué)關(guān)系。這種數(shù)學(xué)關(guān)系就是常說(shuō)的預(yù)測(cè)模型。一旦
建好預(yù)測(cè)模型，就可以運(yùn)用該模型來(lái)預(yù)測(cè)那些目標(biāo)值未知的輸入觀測(cè)值。構(gòu)建預(yù)測(cè)模型需要訓(xùn)練數(shù)據(jù)集，即先前的
輸入和目標(biāo)觀測(cè)數(shù)據(jù)集。假設(shè)該訓(xùn)練數(shù)據(jù)集可以用來(lái)代表未知的觀測(cè)值。一個(gè)非常簡(jiǎn)單的預(yù)測(cè)模型假設(shè)所有可能的
輸入和目標(biāo)組合都記錄在訓(xùn)練數(shù)據(jù)集中。一般來(lái)說(shuō)，在真實(shí)的訓(xùn)練數(shù)據(jù)集中，一個(gè)特定的輸入集合某個(gè)范圍的目標(biāo)
區(qū)間相對(duì)應(yīng)。由于這種噪聲數(shù)據(jù)存在，預(yù)測(cè)模型經(jīng)常根據(jù)輸入集提供目標(biāo)變量的期望值。針對(duì)定性目標(biāo)，目標(biāo)變量
的期望值可以通過(guò)每個(gè)定性級(jí)別的概率來(lái)解釋。這兩種情況都說(shuō)明任何預(yù)測(cè)模型在正確性方面的存在限制。
 
模型角色和度量尺度



 
目標(biāo)變量時(shí)二值的，并且通過(guò)logit函數(shù)作為鏈接函數(shù)的一般線(xiàn)性模型稱(chēng)為邏輯線(xiàn)性回歸模型。它假設(shè)比
率的變化在W定義的方向上是單調(diào)的。由于在整個(gè)輸入空間比率的變化實(shí)在單一的方向，標(biāo)準(zhǔn)的邏輯回
歸模型的決策邊界是一個(gè)超平面。邏輯回歸模型的簡(jiǎn)單結(jié)構(gòu)使它很容易解釋。
 
邏輯回歸實(shí)例
 
作為某商品類(lèi)目公司的市場(chǎng)分析師，你可能需要為二值目標(biāo)變量（purchase）建立邏輯回歸模型，判斷
某個(gè)顧客是否會(huì)產(chǎn)生購(gòu)買(mǎi)。輸入數(shù)據(jù)集存放在SAS安裝文件的SAMPSIO.DMEXA1中，該數(shù)據(jù)集包含
1966個(gè)顧客觀測(cè)值信息。它包含31個(gè)區(qū)間變量輸入和18個(gè)分類(lèi)變量輸用于構(gòu)建模型。該邏輯回歸模型產(chǎn)
生的打分公式應(yīng)用在新的數(shù)據(jù)集中，給那些可能產(chǎn)生購(gòu)買(mǎi)的顧客發(fā)送郵件。

1  創(chuàng)建SAS EM工程

2  添加輸入數(shù)據(jù)源節(jié)點(diǎn)
設(shè)置SAMPSIO.DMEXA1數(shù)據(jù)集作為輸入數(shù)據(jù)源
選擇變量選項(xiàng)卡，設(shè)置purchase為目標(biāo)變量，變量amount的模型角色為rejected
設(shè)置目標(biāo)變量的層次，選擇分類(lèi)變量選項(xiàng)卡，目標(biāo)變量的順序值決定了事件級(jí)別。二值目標(biāo)變量purchase
擁有兩種值0和1.，0表示NO，1表示YES。默認(rèn)情況下，目標(biāo)的順序值設(shè)置為降序。在該實(shí)例中，主要判
斷顧客是否產(chǎn)生購(gòu)買(mǎi)（event level = YES）。另外，還可以設(shè)置目標(biāo)變量的目標(biāo)信息。最后，關(guān)閉輸入數(shù)
據(jù)源節(jié)點(diǎn)。

3  添加數(shù)據(jù)劃分節(jié)點(diǎn)
對(duì)輸入數(shù)據(jù)集運(yùn)用層次抽樣方法創(chuàng)建訓(xùn)練和驗(yàn)證數(shù)據(jù)集。訓(xùn)練數(shù)據(jù)集被用來(lái)擬合回歸模型，驗(yàn)證數(shù)據(jù)集
用來(lái)評(píng)估回歸模型。層次抽樣技術(shù)保留購(gòu)買(mǎi)者和非購(gòu)買(mǎi)者在訓(xùn)練集和驗(yàn)證集中的初時(shí)比率。
首先，在流程圖空間加入數(shù)據(jù)劃分節(jié)點(diǎn)，打開(kāi)數(shù)據(jù)劃分節(jié)點(diǎn)，在劃分選項(xiàng)卡，設(shè)置輸入數(shù)據(jù)集的70%
作為訓(xùn)練集，30%作為驗(yàn)證集，測(cè)試為0。針對(duì)類(lèi)型輸入變量STATECOD，選擇層次抽樣方法單選按鈕。
激活層次選項(xiàng)卡，在status列中，設(shè)置STATECOD的狀態(tài)為use。
關(guān)閉數(shù)據(jù)劃分節(jié)點(diǎn)。

4  添加變量轉(zhuǎn)換節(jié)點(diǎn)
打開(kāi)轉(zhuǎn)換節(jié)點(diǎn)，創(chuàng)建二值變量wealth，當(dāng)income大于40000同時(shí)homeval大于100000，則其值為1，否則為0。
在主菜單中，選擇工具，創(chuàng)建變量。

創(chuàng)建新的分類(lèi)變量，對(duì)age進(jìn)行分箱處理，劃分為4個(gè)年齡組。右擊age變量，選擇transform，選擇bucket菜單

右擊frequent輸入變量，查看分布

從圖中可以發(fā)現(xiàn)，frequent的傾斜度很大，極值會(huì)影響參數(shù)的預(yù)測(cè)。

右擊frequent，選擇transform，選擇方法log，進(jìn)行轉(zhuǎn)換。再查看導(dǎo)出變量的分布。

5  添加回歸模型節(jié)點(diǎn)
在輸入數(shù)據(jù)源節(jié)點(diǎn)，可以在區(qū)間變量和分類(lèi)變量選項(xiàng)卡中，查看觀測(cè)值的缺失值，在本案例中發(fā)現(xiàn)，沒(méi)
有缺失值。在實(shí)際中，若存在缺失值，可以加入replacement節(jié)點(diǎn)，進(jìn)行處理。在回歸模型中不能直接
處理缺失值觀測(cè)值。
打開(kāi)回歸模型節(jié)點(diǎn)，激活變量選項(xiàng)卡，在工具菜單選擇interactive builder，選擇recency變量，設(shè)置
degree為2，點(diǎn)擊多項(xiàng)式按鈕，產(chǎn)生新的變量recency * recency；然后，選擇recency和ntitle，點(diǎn)擊cross
，產(chǎn)生新變量recency * ntitle。
選擇selection選項(xiàng)卡，方法選擇stepwise。在Criteria中，設(shè)置Entry 和stay Significance Levels 為0.1

關(guān)閉回歸節(jié)點(diǎn)，運(yùn)行回歸模型節(jié)點(diǎn)，查看結(jié)果。

 
回歸窗口是對(duì)輸入變量重要性的統(tǒng)計(jì)性運(yùn)用圖形的方式進(jìn)行描述。該模型有9個(gè)參數(shù)，對(duì)應(yīng)8個(gè)輸入變
量。點(diǎn)擊柱狀圖，可以識(shí)別相應(yīng)的參數(shù)。柱狀圖的高度表示參數(shù)的重要性，顏色表示效果增加的方向
。紅色表示增長(zhǎng)的效果，即相應(yīng)輸入的值越大，則貢獻(xiàn)越大。反之，則越小。

6  創(chuàng)建模型提升圖
右擊模型節(jié)點(diǎn)，選擇模型管理器。在工具菜單，選擇創(chuàng)建lift圖。

7  部署模型
SAS EM有兩種方式部署模型，打分代碼模塊和打分?jǐn)?shù)據(jù)集。
打分代碼模塊用來(lái)在外部環(huán)境產(chǎn)生預(yù)測(cè)的目標(biāo)值。它可以創(chuàng)建sas，c以及java等不同語(yǔ)言的代碼。Sas
代碼可以直接嵌入在sas應(yīng)用程序中產(chǎn)生預(yù)測(cè)。C語(yǔ)言形式的必須進(jìn)過(guò)編譯。

方式1：創(chuàng)建評(píng)價(jià)數(shù)據(jù)集
在流程圖空間加入輸入數(shù)據(jù)源節(jié)點(diǎn)，設(shè)置數(shù)據(jù)集角色為score，關(guān)閉輸入數(shù)據(jù)源節(jié)點(diǎn)
添加SAS打分節(jié)點(diǎn)和SAS代碼節(jié)點(diǎn)
打開(kāi)SAS打分節(jié)點(diǎn)，設(shè)置如下

執(zhí)行該節(jié)點(diǎn)
打開(kāi)SAS代碼節(jié)點(diǎn)，在數(shù)據(jù)選項(xiàng)卡中，選擇score單選按鈕
在export選項(xiàng)卡中，點(diǎn)擊add，選擇predict，得到數(shù)據(jù)集。然后，在program選項(xiàng)卡中輸入下面的sas代碼
data &_pre;
set &_score;
if p_purchaseyes lt 0.60 then delete;
run;
proc print data = &_pre;
var custid p_purchaseyes;
run;

從而得到預(yù)測(cè)結(jié)果。
通過(guò)ODBC將結(jié)果導(dǎo)入到數(shù)據(jù)庫(kù)中
libname MYLIB ODBC dsn='dsn name';
proc datasets library=MYLIB;
delete MY_SCORE_NAME;
run;
quit;
data MYLIB.MY_SCORE_NAME;
set &_SCORE;
keep variable;
run;

方式2：創(chuàng)建打分代碼模塊
打開(kāi)打分節(jié)點(diǎn)，選擇Score code選項(xiàng)卡


數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線(xiàn)
立即咨詢(xún)
客服在線(xiàn)
立即咨詢(xún)
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶(hù)后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說(shuō)明請(qǐng)參見(jiàn)：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }