SAS数据挖掘实例

（3）

双击Insight节点，出现Insight Settings窗口

由于不同的数据源的数据量可能不同，而且有些数据源的数据量可能是非常巨大的，所以Insight节点默认抽取2000条数据记录来探索数据源，当数据源的记录数小于2000时，可以选择Insight Based On设置中的Entire data set来改变探索数据的样本数量。 （4）

单击Entire data set后关闭Insight Settings窗口，在弹出对话框中单击“是”保存设置

5.2.2 察看Insight节点输出结果

当设置完Insight节点之后，通过运行该节点可以查看探索数据的结果，其过程如下：

（1） 右单击Insight节点，在弹出菜单中选择Run运行该节点，运行过

程中节点的四周会变成绿色，运行完毕会有运行结果的提示对话框

（2） 单击“是”可以察看运行结果。Insight运行结果将数据源以二维表

视图的形式显示

（3） 单击SAS主菜单中的“分析”，选择下拉菜单中的“分布”，将弹出

选择察看分布的变量的窗口

（4） 单击第一个变量PURCHASE后将滚动条拖到最后一个变量，按住

Shift键单击最后一个变量SEX，当所有的变量都被选择上后单击“Y”按钮，然后确定，会出现所有变量的分布窗口。其中包括每个变量的分布图和一些重要的统计变量以及一组分位数。

在这个例子中我们重点要看的是DINING的分布。可以看到DINING的值从0到28，0值居多。那么我们要建立预测客户购买Dining产品倾向的模型，应该把目标锁定在目标变量Dining的值大于0的客户身上。

（5） 数据探索完毕，关闭分布窗口和EMDATA.VIEW_QMY窗口返回到EM工

作区。

准备建模数据

此例将准备建模数据阶段分成了四个环节：建立目标变量、设置目标变量、数据分割和替换缺失值。

建立目标变量

前面已经分析了我们的目标人群是Dining变量大于0的客户群，但是对于目前数据集SASUSER.CUSDET1中的Dining变量的值是从0到28的一个分布，而我们只关心Dining值大于或者小于0，所以这里要对Dining变量作个转换，让

大于0的Dining值为1。

EM中用来建立变量的工具是Transform Variables节点，步骤如下： （1）

将Transform Variables节点拖拽到工作区中Input Data Source节点的右侧连接Input Data Source节点到Transform Variables节点

（2）

双击Transform Variables节点，出现Transform variables窗口

（3）

单击工作区上方工具栏中的Create variable图标 Create Variable窗口

，出现