Cutpoint-Binning (Klassifizierung nach Schnittpunkten)

Diese Funktion nutzt die BINNING-Prozedur, die Teil der visuellen Statistikprozeduren von SAS^© Viya^™ ist. Die CUTPTS-Methode ermöglicht die manuelle Definition von Schwellenwerten für jede Kategorie. Jedes Intervall wird durch eine Unter- und Obergrenze definiert. Der Prozess transformiert die ursprünglichen numerischen Werte in Bin-Identifikatoren. Die Prozedur kann auch deskriptive Statistiken für jedes Bin berechnen und Ausgabetabellen mit den binären Daten generieren. Die Ausführung erfolgt auf der Cloud Analytic Services (CAS)-Engine, was die Verarbeitung großer Datenmengen auf verteilte und leistungsstarke Weise ermöglicht.

Datenanalyse

Type : CREATION_INTERNE

Die Beispiele verwenden generierte Daten (Datalines) oder SASHELP-Tabellen, um die Autonomie jedes Codeblocks zu gewährleisten.

1 Codeblock

PROC BINNING Data

Erklärung :
Dieses Beispiel erstellt eine einfache Datentabelle 'auto_data' in der CASUSER-Bibliothek. Anschließend wird die BINNING-Prozedur mit der CUTPTS-Methode für die Variable 'Horsepower' verwendet. Schnittpunkte bei 180 und 200 werden angegeben, wodurch drei Kategorien entstehen: Horsepower <= 180, 180 < Horsepower <= 200 und Horsepower > 200. Die Ausgabetabelle 'binned_data' enthält die neue binäre Variable sowie die kopierten Originalvariablen. Die Ergebnisse werden dann für die ersten Beobachtungen angezeigt und eine Häufigkeitsanalyse wird für die binäre Variable durchgeführt, um die Klassifizierung zu überprüfen.

Kopiert!

1	/* Création d'une table CAS temporaire */
2	options casdatalimit=1000;
3	caslib _all_ assign;
4
5	DATA casuser.auto_data;
6	INPUT MSRP Invoice EngineSize Horsepower Cylinders MPG_City MPG_Highway Weight Wheelbase LENGTH;
7	DATALINES;
8	25945 23722 3.5 210 6 18 26 3470 110 195
9	26445 24300 3.5 210 6 18 26 3470 110 195
10	28495 26033 3.5 210 6 18 26 3470 110 195
11	23720 21683 2.0 165 4 23 30 2778 101 179
12	24595 22473 2.0 165 4 23 30 2778 101 179
13	27270 24806 2.0 190 4 21 29 2833 104 184
14	28170 25686 2.0 190 4 21 29 2833 104 184
15	20000 18456 2.0 160 4 24 31 2901 106 187
16	22000 20387 2.0 170 4 23 31 2946 106 187
17	30000 27500 3.0 220 6 17 25 3450 109 188
18	;
19	RUN;
20
21	/* Application du découpage par points de coupure */
22	PROC BINNING DATA=casuser.auto_data numbin=3 method=cutpts;
23	INPUT Horsepower / cutpts(180, 200);
24	OUTPUT out=casuser.binned_data copyvars=(MSRP Horsepower);
25	RUN;
26
27	/* Affichage des résultats (facultatif) */
28	PROC PRINT DATA=casuser.binned_data (obs=5);
29	RUN;
30
31	PROC FREQ DATA=casuser.binned_data;
32	tables Binned_Horsepower;
33	RUN;
34

2 Codeblock

PROC BINNING Data

Erklärung :
Dieses Beispiel veranschaulicht die Klassifizierung nach Schnittpunkten für zwei Variablen, 'SqFt' und 'YearBuilt', aus einer Datentabelle 'house_prices'. Die Option MONITOR=(SalePrice) wird für die Variable 'SqFt' verwendet, um die Variable 'SalePrice' in den Bin-Statistiken zu verfolgen, was für die Bewertung der Klassifizierungsleistung nützlich ist. Die Option OUTSTAT generiert eine zusätzliche Tabelle 'bin_stats', die die Statistiken jedes Bins enthält und eine detaillierte Ansicht der Gruppierungsergebnisse bietet.

Kopiert!

1	/* Création d'une table CAS temporaire */
2	options casdatalimit=1000;
3	caslib _all_ assign;
4
5	DATA casuser.house_prices;
6	INPUT SqFt Bedrooms Bathrooms LotSize YearBuilt SalePrice;
7	DATALINES;
8	1500 3 2 5000 1990 150000
9	1800 4 2.5 6000 1995 200000
10	1200 2 1 4000 1980 100000
11	2000 3 3 7000 2000 250000
12	1600 3 2 5500 1992 160000
13	1300 2 1.5 4500 1985 110000
14	2200 4 3.5 8000 2005 300000
15	1700 3 2 5800 1998 180000
16	1900 4 2 6500 2002 220000
17	1400 3 1 4800 1988 130000
18	;
19	RUN;
20
21	/* Application du découpage par points de coupure avec options */
22	PROC BINNING DATA=casuser.house_prices numbin=4 method=cutpts;
23	INPUT SqFt / cutpts(1500, 1800, 2000) monitor=(SalePrice);
24	INPUT YearBuilt / cutpts(1990, 2000) monitor=(SalePrice);
25	OUTPUT out=casuser.binned_house_data copyvars=(SqFt YearBuilt SalePrice) outstat=casuser.bin_stats;
26	RUN;
27
28	/* Affichage des détails des bins */
29	PROC PRINT DATA=casuser.bin_stats;
30	RUN;
31
32	/* Affichage des données binées */
33	PROC PRINT DATA=casuser.binned_house_data (obs=5);
34	RUN;
35

3 Codeblock

PROC BINNING Data

Erklärung :
Dieses fortgeschrittene Beispiel verwendet eine Kundendatentabelle mit fehlenden Werten. Für die Variable 'Age' werden spezifische Schnittpunkte (30, 40, 50) definiert. Für 'Income_Monthly' gibt die Option HANDLEMISSING=BIN an, dass fehlende Werte als eine separate Bin-Kategorie behandelt werden sollen, obwohl Schnittpunkte angegeben sind. Dies zeigt einen robusteren Ansatz für die Datengruppierung unter Berücksichtigung realer Szenarien unvollständiger Daten.

Kopiert!

1	/* Création d'une table CAS temporaire avec des valeurs manquantes */
2	options casdatalimit=1000;
3	caslib _all_ assign;
4
5	DATA casuser.customer_data;
6	INPUT Age Income_Monthly Education_Level $ Credit_Score_PreBinning Gender $;
7	DATALINES;
8	30 3000 Bac NA . M
9	45 5000 Master NA 750 F
10	25 2000 HighSchool NA 600 M
11	NA 4000 PhD NA 800 F
12	35 NA Bachelor NA 700 M
13	50 6000 Master NA 850 F
14	28 2500 HighSchool NA 620 M
15	40 4500 Bachelor NA 720 F
16	NA 3500 PhD NA 780 M
17	32 3200 HighSchool NA 680 F
18	;
19	RUN;
20
21	/* Application du découpage avec gestion des manquantes et différentes numbin */
22	PROC BINNING DATA=casuser.customer_data numbin=5 method=cutpts;
23	INPUT Age / cutpts(30, 40, 50);
24	INPUT Income_Monthly / numbin=3 cutpts(3000, 5000) handlemissing=bin;
25	OUTPUT out=casuser.binned_customer_data copyvars=(Age Income_Monthly Credit_Score_PreBinning);
26	RUN;
27
28	/* Affichage des résultats pour les données binées */
29	PROC PRINT DATA=casuser.binned_customer_data;
30	RUN;
31
32	/* Vérification des fréquences pour les variables binées */
33	PROC FREQ DATA=casuser.binned_customer_data;
34	tables Binned_Age Binned_Income_Monthly;
35	RUN;
36

4 Codeblock

PROC BINNING

Erklärung :
Dieses Beispiel demonstriert die Integration von PROC BINNING in die SAS Viya/CAS-Umgebung. Es lädt die Tabelle 'iris' aus SASHELP in eine CAS-Bibliothek. Anschließend wendet es die Klassifizierung nach Schnittpunkten auf 'PetalLength' und 'SepalWidth' an und speichert den Klassifizierungsstatus (die Binning-Regeln) in einer Tabelle 'binning_state' mit der Option SAVE STATE. Dieser 'Status' kann wiederverwendet werden, um genau dieselben Klassifizierungsregeln (Scoring) auf neue Daten anzuwenden, ohne die Schnittpunkte neu definieren zu müssen. Die Tabelle 'scored_iris' zeigt das Ergebnis des Binnings für die neuen Daten.

Kopiert!

1	/* Assurez-vous d'avoir une session CAS active et une caslib assignée */
2	options casdatalimit=1000;
3	caslib _all_ assign;
4
5	/* Charger des données SASHELP dans CAS pour l'exemple */
6	DATA casuser.iris;
7	SET sashelp.iris;
8	RUN;
9
10	/* Application du découpage par points de coupure sur une table CAS */
11	PROC BINNING DATA=casuser.iris numbin=3 method=cutpts;
12	INPUT PetalLength / cutpts(1.5, 4.5);
13	INPUT SepalWidth / cutpts(3.0, 3.5);
14	OUTPUT out=casuser.binned_iris (replace=true) copyvars=(Species PetalLength SepalWidth);
15	save state out=casuser.binning_state (replace=true);
16	RUN;
17
18	/* Appliquer le découpage sur de nouvelles données (scoring) */
19	DATA casuser.new_iris_data;
20	INPUT PetalLength SepalWidth Species $;
21	DATALINES;
22	1.2 3.8 Setosa
23	5.0 3.0 Virginica
24	4.0 2.5 Versicolor
25	;
26	RUN;
27
28	PROC BINNING DATA=casuser.new_iris_data;
29	score state=casuser.binning_state out=casuser.scored_iris;
30	RUN;
31
32	PROC PRINT DATA=casuser.scored_iris;
33	RUN;
34

Dieses Material wird von We Are Cas "wie besehen" zur Verfügung gestellt. Es gibt keine ausdrücklichen oder stillschweigenden Garantien hinsichtlich der Marktgängigkeit oder Eignung für einen bestimmten Zweck in Bezug auf die hierin enthaltenen Materialien oder Codes. We Are Cas ist nicht verantwortlich für Fehler in diesem Material, wie es jetzt existiert oder existieren wird, noch bietet We Are Cas technischen Support dafür an.

Retour à la liste