1.6.2　給項目添加邏輯庫和數(shù)據(jù)集

1.添加邏輯庫

SAS EM通過邏輯庫來訪問數(shù)據(jù)。在啟動時，有圖1-28所示的7個默認(rèn)邏輯庫，其中Work是臨時邏輯庫，保存在Work邏輯庫中的數(shù)據(jù)在退出SAS EM時自動清除。其他邏輯庫均為永久邏輯庫，即該邏輯庫中的表不會被自動刪除。

圖1-28　7個默認(rèn)邏輯庫

有兩種方式創(chuàng)建邏輯庫：手動創(chuàng)建；修改項目屬性中的“項目啟動代碼”。

（1）手動創(chuàng)建邏輯庫

1）依次選擇“文件”→“新建”→“邏輯庫”命令，彈出圖1-29所示的對話框。

圖1-29　新建邏輯庫操作1

2）保持默認(rèn)選中“新建邏輯庫”單選按鈕，單擊“下一步”按鈕，如圖1-30所示。

圖1-30　新建邏輯庫操作2

在“名稱”文本框中輸入要創(chuàng)建的邏輯庫名稱，demo為邏輯庫名，最長為8位字符，只能由英文字母、下劃線（_）和數(shù)字組成，首字符不能為數(shù)字，建議首字符為英文字母。“引擎”保持“BASE”不變，表明選擇SAS默認(rèn)格式的數(shù)據(jù)。SAS EM和SAS EG不同，不能通過手工方式創(chuàng)建連接其他數(shù)據(jù)庫格式的邏輯庫，這需要在SAS Management Console的數(shù)據(jù)源模塊完成。“路徑”用于指定數(shù)據(jù)存放的文件夾。“選項”用于修改邏輯庫的默認(rèn)設(shè)置，此處默認(rèn)即可。感興趣的讀者可以在SAS Base中查找Libname語句的幫助文檔。

3）單擊“下一步”按鈕，即彈出確認(rèn)對話框，確認(rèn)無誤后單擊“完成”按鈕即可，如圖1-31所示。

圖1-31　邏輯庫創(chuàng)建完成

（2）使用項目啟動代碼創(chuàng)建邏輯庫

在項目面板中單擊項目的名稱，則屬性面板中更新為項目的屬性。單擊“項目啟動代碼”屬性右側(cè)的按鈕，彈出輸入SAS代碼的對話框，如圖1-32所示。

圖1-32　使用項目啟動代碼

在對話框內(nèi)輸入：

---

libname demo "E:\demo";

---

libname為關(guān)鍵詞，表示要建立一個邏輯數(shù)據(jù)庫；demo為邏輯庫名，最長為8位字符，只能由英文字母、下劃線（_）和數(shù)字組成，首字符不能為數(shù)字，建議首字符為英文字母；E:\demo表示數(shù)據(jù)存放在此路徑下，且必須用單引號或雙引號括起來，最后為英文狀態(tài)下的分號。

之后單擊“立即運行”按鈕即可。

2.手動引入數(shù)據(jù)

1）在“請選擇元數(shù)據(jù)源”對話框中單擊“下一步”按鈕，彈出“選擇SAS表”對話框，如圖1-33所示。

圖1-33　SAS數(shù)據(jù)源創(chuàng)建

2）在“選擇SAS表”對話框中單擊“瀏覽”按鈕，選擇“Demo”→“Date_data”，然后單擊“確定”按鈕，如圖1-34所示。

圖1-34　在SAS表中創(chuàng)建數(shù)據(jù)源2

3）再次單擊“下一步”按鈕，彈出“表屬性”對話框，確認(rèn)數(shù)據(jù)信息無誤后，單擊“下一步”按鈕，如圖1-35所示。

4）選擇元數(shù)據(jù)自動識別的類型，如圖1-36所示。

圖1-35　表屬性選擇

元數(shù)據(jù)是描述數(shù)據(jù)的數(shù)據(jù)，如變量的測度類型、在模型中的角色，這會在下一個對話框中具體說明。“基本”表示使用SAS EM不自動識別變量的屬性，“高級”表示根據(jù)指定的選項自動識別變量的屬性。依次選擇高級→定制命令，彈出圖1-37所示的對話框。每個選項的說明在單擊該屬性后出現(xiàn)的對話頁面的下方。其中，“缺失百分比閾值”是筆者使用“高級”選項的最重要原因。如果不修改，SAS EM會自動拒絕缺失值比例超過50%的變量。本書的示例中沒有缺失值比例如此高的變量，但是在實際工作中，如果前期沒有進行數(shù)據(jù)清洗，則會存在較多的缺失值，因此可以將“拒絕帶有過多缺失值的變量”選項設(shè)置成“否”，待將來在“補缺”節(jié)點處進行修改。另外，SAS EM的數(shù)據(jù)處理能力較弱，而且操作復(fù)雜，只對數(shù)據(jù)清洗時沒有考慮到的問題進行處理，一般會在數(shù)據(jù)導(dǎo)入SAS EM之前在數(shù)據(jù)庫（如Oracle）或SAS EG中做好數(shù)據(jù)清洗工作。

圖1-36　元數(shù)據(jù)自動識別的類型

5）“列元數(shù)據(jù)”的第一個對話框是整個輸入數(shù)據(jù)的重點，最好一次性設(shè)置正確，否則將來只可使用“元數(shù)據(jù)”節(jié)點進行修改，如圖1-38所示。

圖1-37　高級顧問選項

圖1-38　“元數(shù)據(jù)”節(jié)點修改

“角色”代表該變量在建模過程中如何使用，其中“目標(biāo)”作為分類模型中的被解釋變量；“輸入”作為分類模型中的解釋變量。SAS EM具有一定的智能特征，會將變量名前兩個字母為ID的變量的默認(rèn)角色設(shè)置為“ID”，將以Target開頭的變量設(shè)置為“目標(biāo)”，因此需要留意默認(rèn)選項和實際變量角色不同的情況。

“水平”代表變量的度量類型。

·名義測量（Nominal Measurement）是最低的一種測量等級，也稱定名測度，其數(shù)值僅代表某些分類或?qū)傩浴＠纾脕肀硎拘詣e和民族等。這類變量一般不做高低、大小區(qū)分。

·次序測量（Ordinal Measurement）的量化水平高于名義測量，用于測量的數(shù)值代表了一些有序分類。例如，用來表示受教育程度高低的數(shù)字具有一定的順序性。

·間距測量（Interval Measurement）的量化程度更高一些，它的取值不再是類的編碼，而是采用一定單位的實際測量值，可以進行加減運算，但不能進行乘除運算，因為測量等級的變量所取的“0”值不是物理上的絕對“0”。

·比率測量（Ratio Measurement）是最高級的測量等級，除了具有間距測度等級的所有性質(zhì)外，其0值具有物理上的絕對意義，而且可以進行加減乘除運算。

SAS EM將名義變量細分為單值、二值和列名，因此需要使用者先對變量進行探索，明確變量的水平數(shù)量。當(dāng)變量的水平數(shù)量多于2時，必須設(shè)為列名型變量。當(dāng)變量的水平數(shù)量為2以上且具有次序時，需要設(shè)置為序數(shù)型變量。SAS EM將間距和比率兩種測量類型的變量合并為區(qū)間型。

6）“列元數(shù)據(jù)”的第二個對話框用于設(shè)定決策值。這里可以指定先驗概率、成本函數(shù)等信息，這涉及分類模型評估中的混淆矩陣等知識。該功能的設(shè)置將在分類模型的相關(guān)章節(jié)進行講解，如圖1-39所示。

圖1-39　數(shù)據(jù)源向?qū)幚?/p>

7）“創(chuàng)建樣本”對話框用于抽樣的選擇，此處保持默認(rèn)，單擊“下一步”按鈕，如圖1-40所示。

圖1-40　數(shù)據(jù)源向?qū)颖窘?/p>

8）設(shè)置數(shù)據(jù)的名稱和角色，如圖1-41所示。

“名稱”是將來該表在項目中顯示的名稱，因此可以寫得簡便些。“角色”是這張表在建模中的用處。如果這張表用于關(guān)聯(lián)分析或序貫分析，必須設(shè)置為“事務(wù)”角色。其他角色都用于分類模型或聚類模型。“原始”代表可用于建模的數(shù)據(jù)，將來用于分類模型時，可以通過數(shù)據(jù)分區(qū)節(jié)點拆分為訓(xùn)練集和測試集，但是不能成為評分?jǐn)?shù)據(jù)集。“訓(xùn)練”表明該表單獨用于訓(xùn)練模型；“驗證”表明該表單獨用于驗證模型；“測試”表明該表單獨用于測試模型；“評分”表明該表擁有和訓(xùn)練集相同的輸入變量，但是沒有目標(biāo)變量，需要使用SAS EM構(gòu)建的模型進行預(yù)測。

9）單擊“下一步”按鈕確認(rèn)操作無誤后，單擊“完成”按鈕，則在“數(shù)據(jù)源”中出現(xiàn)該數(shù)據(jù)集，如圖1-42所示。

圖1-41　數(shù)據(jù)源屬性

圖1-42　數(shù)據(jù)源中的數(shù)據(jù)集