1.6.2 给项目添加逻辑库和数据集
1.添加逻辑库
SAS EM通过逻辑库来访问数据。在启动时，有图1-28所示的7个默认逻辑库，其中Work是临时逻辑库，保存在Work逻辑库中的数据在退出SAS EM时自动清除。其他逻辑库均为永久逻辑库，即该逻辑库中的表不会被自动删除。
图1-28 7个默认逻辑库
有两种方式创建逻辑库：手动创建；修改项目属性中的“项目启动代码”。
（1）手动创建逻辑库
1）依次选择“文件”→“新建”→“逻辑库”命令，弹出图1-29所示的对话框。
图1-29 新建逻辑库操作1
2）保持默认选中“新建逻辑库”单选按钮，单击“下一步”按钮，如图1-30所示。
图1-30 新建逻辑库操作2
在“名称”文本框中输入要创建的逻辑库名称，demo为逻辑库名，最长为8位字符，只能由英文字母、下划线（_）和数字组成，首字符不能为数字，建议首字符为英文字母。“引擎”保持“BASE”不变，表明选择SAS默认格式的数据。SAS EM和SAS EG不同，不能通过手工方式创建连接其他数据库格式的逻辑库，这需要在SAS Management Console的数据源模块完成。“路径”用于指定数据存放的文件夹。“选项”用于修改逻辑库的默认设置，此处默认即可。感兴趣的读者可以在SAS Base中查找Libname语句的帮助文档。
3）单击“下一步”按钮，即弹出确认对话框，确认无误后单击“完成”按钮即可，如图1-31所示。
图1-31 逻辑库创建完成
（2）使用项目启动代码创建逻辑库
在项目面板中单击项目的名称，则属性面板中更新为项目的属性。单击“项目启动代码”属性右侧的按钮，弹出输入SAS代码的对话框，如图1-32所示。
图1-32 使用项目启动代码
在对话框内输入：
libname demo "E:\demo";
libname为关键词，表示要建立一个逻辑数据库；demo为逻辑库名，最长为8位字符，只能由英文字母、下划线（_）和数字组成，首字符不能为数字，建议首字符为英文字母；E:\demo表示数据存放在此路径下，且必须用单引号或双引号括起来，最后为英文状态下的分号。
之后单击“立即运行”按钮即可。
2.手动引入数据
1）在“请选择元数据源”对话框中单击“下一步”按钮，弹出“选择SAS表”对话框，如图1-33所示。
图1-33 SAS数据源创建
2）在“选择SAS表”对话框中单击“浏览”按钮，选择“Demo”→“Date_data”，然后单击“确定”按钮，如图1-34所示。
图1-34 在SAS表中创建数据源2
3）再次单击“下一步”按钮，弹出“表属性”对话框，确认数据信息无误后，单击“下一步”按钮，如图1-35所示。
4）选择元数据自动识别的类型，如图1-36所示。
图1-35 表属性选择
元数据是描述数据的数据，如变量的测度类型、在模型中的角色，这会在下一个对话框中具体说明。“基本”表示使用SAS EM不自动识别变量的属性，“高级”表示根据指定的选项自动识别变量的属性。依次选择高级→定制命令，弹出图1-37所示的对话框。每个选项的说明在单击该属性后出现的对话页面的下方。其中，“缺失百分比阈值”是笔者使用“高级”选项的最重要原因。如果不修改，SAS EM会自动拒绝缺失值比例超过50%的变量。本书的示例中没有缺失值比例如此高的变量，但是在实际工作中，如果前期没有进行数据清洗，则会存在较多的缺失值，因此可以将“拒绝带有过多缺失值的变量”选项设置成“否”，待将来在“补缺”节点处进行修改。另外，SAS EM的数据处理能力较弱，而且操作复杂，只对数据清洗时没有考虑到的问题进行处理，一般会在数据导入SAS EM之前在数据库（如Oracle）或SAS EG中做好数据清洗工作。
图1-36 元数据自动识别的类型
5）“列元数据”的第一个对话框是整个输入数据的重点，最好一次性设置正确，否则将来只可使用“元数据”节点进行修改，如图1-38所示。
图1-37 高级顾问选项
图1-38 “元数据”节点修改
“角色”代表该变量在建模过程中如何使用，其中“目标”作为分类模型中的被解释变量；“输入”作为分类模型中的解释变量。SAS EM具有一定的智能特征，会将变量名前两个字母为ID的变量的默认角色设置为“ID”，将以Target开头的变量设置为“目标”，因此需要留意默认选项和实际变量角色不同的情况。
“水平”代表变量的度量类型。
·名义测量（Nominal Measurement）是最低的一种测量等级，也称定名测度，其数值仅代表某些分类或属性。例如，用来表示性别和民族等。这类变量一般不做高低、大小区分。
·次序测量（Ordinal Measurement）的量化水平高于名义测量，用于测量的数值代表了一些有序分类。例如，用来表示受教育程度高低的数字具有一定的顺序性。
·间距测量（Interval Measurement）的量化程度更高一些，它的取值不再是类的编码，而是采用一定单位的实际测量值，可以进行加减运算，但不能进行乘除运算，因为测量等级的变量所取的“0”值不是物理上的绝对“0”。
·比率测量（Ratio Measurement）是最高级的测量等级，除了具有间距测度等级的所有性质外，其0值具有物理上的绝对意义，而且可以进行加减乘除运算。
SAS EM将名义变量细分为单值、二值和列名，因此需要使用者先对变量进行探索，明确变量的水平数量。当变量的水平数量多于2时，必须设为列名型变量。当变量的水平数量为2以上且具有次序时，需要设置为序数型变量。SAS EM将间距和比率两种测量类型的变量合并为区间型。
6）“列元数据”的第二个对话框用于设定决策值。这里可以指定先验概率、成本函数等信息，这涉及分类模型评估中的混淆矩阵等知识。该功能的设置将在分类模型的相关章节进行讲解，如图1-39所示。
图1-39 数据源向导处理
7）“创建样本”对话框用于抽样的选择，此处保持默认，单击“下一步”按钮，如图1-40所示。
图1-40 数据源向导样本建立
8）设置数据的名称和角色，如图1-41所示。
“名称”是将来该表在项目中显示的名称，因此可以写得简便些。“角色”是这张表在建模中的用处。如果这张表用于关联分析或序贯分析，必须设置为“事务”角色。其他角色都用于分类模型或聚类模型。“原始”代表可用于建模的数据，将来用于分类模型时，可以通过数据分区节点拆分为训练集和测试集，但是不能成为评分数据集。“训练”表明该表单独用于训练模型；“验证”表明该表单独用于验证模型；“测试”表明该表单独用于测试模型；“评分”表明该表拥有和训练集相同的输入变量，但是没有目标变量，需要使用SAS EM构建的模型进行预测。
9）单击“下一步”按钮确认操作无误后，单击“完成”按钮，则在“数据源”中出现该数据集，如图1-42所示。
图1-41 数据源属性
图1-42 数据源中的数据集