京公网安备 11010802034615号
经营许可证编号:京B2-20210330
那么这个代码是用于建模初期,你为了大概了解变量的一个基本特征写的,不是最优分组哈,因为这个代码是将变量最多分为12组,分这么多组的原因也是为了更好的观察特征而已啦,你要是觉得太多组,你可以改下树的深度这些调整一下,这里关于变量特征怎么看,我就不说了.....
%macro
zhandapao(data,DVAR,id,dir);
proc datasets lib=work nodetails;
delete
varname_total;
run;
/*建立数值型数据集*/
%let lib=%upcase(%scan(&data.,1,'.'));
%letdname=%upcase(%scan(&data.,2,'.'));
%globalvar_list var_num;
proc sql noprint;
select name,count(*) into :var_list separated by' ',:var_num
from sashelp.VCOLUMN
where left(libname)="&lib."and
left(memname)="&dname."and
type="num"and
lowcase(name)^=lowcase("&DVAR.")
and lowcase(name)^="&id.";
quit;
%put
&var_list.;
/*把数值型变量定义为宏变量*/
%doi=1%to&var_num.;
%letnumvar_name_&i.=%scan(&var_list.,&i.);
%put&numvar_name_1.;
proc split data=&data.splitsize=300
maxbranch=2
MAXDEPTH=5nsurrs=5
assess=lift criterion=gini;
input &&numvar_name_&i./level=interval;
target &DVAR./level=binary;
Score data=&data.out=d_&&numvar_name_&i.;
code file="&dir.treecode_tic_&&numvar_name_&i..sas";
describe file="&dir.treerule_tic_&&numvar_name_&i..txt";
run;
data n_D_&&numvar_name_&i.;
set d_&&numvar_name_&i.;
%include"&dir.treecode_tic_&&numvar_name_&i..sas";
rename p_&DVAR.1=p_&&numvar_name_&i.;
run;
proc sql noprint;
select count(*),max(&&numvar_name_&i.),min(&&numvar_name_&i.)into:total, :max ,:min from n_D_&&numvar_name_&i.;
quit;
data n_D_&&numvar_name_&i.;
set n_D_&&numvar_name_&i.;
if &min.<=&&numvar_name_&i.<=&max.
then flag="no_null";
else flag="null";
run;
proc sql;
select count(*) into:is_null from
n_D_&&numvar_name_&i.;
quit;
%if&is_null.>0%then%do;
proc sql noprint;
select count(*),max(&&numvar_name_&i.),min(&&numvar_name_&i.)into:total,:max ,:min from n_D_&&numvar_name_&i.;
create table total as
select"&&numvar_name_&i."as
varname,
min(&&numvar_name_&i.) as interval_1,
max(&&numvar_name_&i.) as interval_2,
compress(put(min(round(&&numvar_name_&i.,0.0001)),best32.))||'-'||compress(put(max(round(&&numvar_name_&i.,0.0001)),best32.)) as interval,
sum(&DVAR.) as bad_num,
count(*) as total_num,
count(*)/&total.as num_rate,
sum(&DVAR.)/count(*) as bad_rate
from n_D_&&numvar_name_&i.
group by p_&&numvar_name_&i.
union all
select"&&numvar_name_&i."as varname,
-9999as interval_1,
-9999as interval_2,
'null'as interval,
sum(&DVAR.) as bad_num,
count(*) as total_num,
count(*)/&total.as num_rate,
sum(&DVAR.)/count(*) as bad_rate
from n_D_&&numvar_name_&i.(where=(&&numvar_name_&i.=.))
group by p_&&numvar_name_&i.
order by interval_1;
quit;
%end;
%else%do;
proc sql noprint;
select count(*),max(&&numvar_name_&i.),min(&&numvar_name_&i.)into:total,:max ,:min from n_D_&&numvar_name_&i.;
create table total as
select"&&numvar_name_&i."as varname,
min(&&numvar_name_&i.) asninterval_1,
max(&&numvar_name_&i.) as interval_2,
compress(put(min(round(&&numvar_name_&i.,0.0001)),best32.))||'-'||compress(put(max(round(&&numvar_name_&i.,0.0001)),best32.)) as interval,
sum(&DVAR.) as bad_num,
count(*) as total_num,
count(*)/&total.as num_rate,
sum(&DVAR.)/count(*) as bad_rate
from n_D_&&numvar_name_&i.
group by p_&&numvar_name_&i.
order by interval_1;
quit;
%end;
data &&numvar_name_&i.;
set total;
group=_n_;
run;
proc append base=varname_total
data=&&numvar_name_&i.
force;run;
proc datasets lib=work nodetails;
delete total n_: d_:
&&numvar_name_&i.
_namedat;
quit;
%end;
%mend;
解释一下这个代码怎么用,这个宏已经是封装好了的,直接填入参数就可以用了:
zhandapao(data,DVAR,id,dir);
data:填入你的数据集
DVAR:填入你的因变量
id:填入你的数据集的主键
dir:这个你需要填一个路径,是用来放决策树的规则的文件下,决策树的规则文件你看不懂没关系,你填个类似“F/DD”的路径就可以了。
例子:%zhandapao(DD.TEST_DATA,y,CUSTOMER_id,D:test_1);
结果图就是这样子:
那么今天的更新就到这里啦
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15