SAS数据挖掘：数据准备

缺鼻子少眼

数据是基础，所谓“垃圾入、垃圾出”。
数据准备主要包括数据导入、数据集成、数据导出等，这些一笔带过，主要写一下数据清洗。
数据可以分为数值和分类变量。
数据清洗包括：孤立点、错误数据、缺失值处理。
针对连续型变量
处理的方法有单值替换、类均值替换、回归替换
PROC MEANS DATA=数据集 N NMISS MIN MAX MAXDEC=2;
VAR 变量1 变量2;
RUN;
通过MEANS过程查看变量缺失值和极值情况，对重点变量进行处理。
PROC UNIVARIATE DATA=数据集 PLOT;
VAR 变量1 变量2……;
RUN;
查看变量分布，依据统计描述、直方图和盒型图进行观察。
通过单值（均值、中位数、众数等）进行替换，通过相关变量进行分类后用类均值进行替换，通过建立回归方程进行预测替换。
针对分类变量，进行频次观察，进而进行替换处理或者删除
PROC FREQ DATA=数据集;
  TABLE 变量1 变量2……/MISSING;
RUN;