一些常用的SAS命令1. 转换文本数据文件的数据步的一般形式为：data 数据集名；infile 文件名； input 变量输入设定； run；2. 指定逻辑文件名语句的一般形式为：filename 逻辑文件名 ‘文件位置’；3. 查看SAS逻辑库的属性和内容的一般写法为：proc datasets lib=逻辑库名；run；4. 查看SAS数据集的属性的一般写法为：p

一、C4.5C4.5，是机器学习算法中的一个分类决策树算法，它是决策树(决策树也就是做决策的节点间的组织方式像一棵树，其实是一个倒树)核心算法ID3的改进算法，所以基本上了解了一半决策树构造方法就能构造它。决策树构造方法其实就是每次选择一个好的特征以及分裂点作为当前节点的分类条件。C4.5相比于ID3改进的地方有：1、用信息增益率来选择属性。

继续之前的读书笔记，废话少说，直奔主题。本文重点在infile语句。十一：infile语句Dsd  规定一个数据集可以包含分隔符，但是要用引号括起来，两个连续分隔符之间的数作为缺失值处理，  默认分隔符为逗号Firstobs=   规定从该记录行开始读入Obs=     规定要读入的记录数Length= virable  把当前行的数据长度赋值给临时

一、C4.5C4.5，是机器学习算法中的一个分类决策树算法，它是决策树(决策树也就是做决策的节点间的组织方式像一棵树，其实是一个倒树)核心算法ID3的改进算法，所以基本上了解了一半决策树构造方法就能构造它。决策树构造方法其实就是每次选择一个好的特征以及分裂点作为当前节点的分类条件。C4.5相比于ID3改进的地方有：1、用信息增益率来选择属性。

一、C4.5C4.5，是机器学习算法中的一个分类决策树算法，它是决策树(决策树也就是做决策的节点间的组织方式像一棵树，其实是一个倒树)核心算法ID3的改进算法，所以基本上了解了一半决策树构造方法就能构造它。决策树构造方法其实就是每次选择一个好的特征以及分裂点作为当前节点的分类条件。C4.5相比于ID3改进的地方有：1、用信息增益率来选择属性。

今天有空看到一本挺不错的书，仔细阅读，发现很多有用的知识点，于是认真研读起来，以下是初步的要点笔记。切换至日志窗口的命令是log、热键是F6；切换至输出窗口的命令是output、热键是F7；切换至编辑器窗口快捷键是F5；F3，F8是提交sas程序；CTRL+E是清除窗口中的内容 一.查看数据集属性，类似于oracle里面对表的vi

继续《SAS编程与数据挖掘商业案例》读书笔记，本次重点：输出控制主要内容包括：log窗口输出控制、output窗口输出控制、ods输出控制1.log窗口输出控制将日志输出到外部文件proc printto log= "f:\data_model\book_data\chapt9\newlog.txt"; new;proc print data=sashelp

十：file语句file中的option选项：Dlm=              指定列表输出文件的分隔符，默认是空格Dropover      规定当输出数据行长度超过指定值时，忽略超出部分Flowover    规定当输出数据行长度超过指定值时，超过部分在下一行输出Dsd   规定一个数据项可以包含分隔符，但是要用引号括住  默认分隔符是逗号En

继续读书笔记，本文重点侧重sas观测值的操作方面， 主要包括：输出观测值、更新观测值、删除观测值、停止输出观测值等1.output语句   输出当前在pdv中的观测值，继续无条件执行下面的语句。注意：简单的data步不需要output语句，run语句会自动输出pdv中的数据到数据集，并返回data步开头继续执行下一条观测。在有output语句和run语句同时存在时，pdv只

当前商业正在从“以产品为中心”到“以用户为中心”转变，很多企业将CRM作为企业成功的一个关键因素，呼叫中心作为影响用户最直接的渠道，起着至关重要的作用；利用数据挖掘技术，可以提高企业呼叫中心的效率的同时来增加客户满意度，下面讨论下具体可以应用的方面。 1、根据客户的历史信息、呼叫信息、客户级别等信息，建立客户接入分类模型，对接入客户进行客户细分，针对不同的客户群采取不同的服务应答策