深入解析SAS：數據處理、分析優化與商業應用 計算機與互聯網 書籍|3770899 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

夏坤莊，徐唯，潘紅蓮，林建偉 著

圖書標籤:

• SAS
• 數據處理
• 數據分析
• 統計分析
• 商業分析
• 優化
• 計算機
• 互聯網
• 編程
• 應用

店鋪： 互動齣版網圖書專營店

齣版社： 機械工業齣版社

ISBN：9787111483403

商品編碼：16006859384

叢書名： 數據分析技術叢書

齣版時間：2015-01-01

書[0名0]：	深入解析SAS：數據處理、分析[0優0]化與[0商0]業應用|3770899
圖書定價：	99元
圖書作者：	夏坤莊;徐[0[0唯0]0];潘紅蓮;林建偉
齣版社：	機械工業齣版社
齣版日期：	2015/1/1 0:00:00
ISBN號：	9787111483403
開本：	16開
頁數：	0
版次：	1-1

作者簡介

夏坤莊，SAS軟件研究開發（北京）有限公司客戶職能部總監。在承擔[0大0]量産[0品0]研發工作的同時，夏坤莊及其團隊負責對SAS非英語市場提供技術支持，並且與在美[0國0]及其他地區的團隊一起，對SAS的SaaS客戶提供服務，以及提供和驗證關於SAS産[0品0]和技術的佳實踐。在加入SAS軟件研究開發（北京）有限公司之前，夏坤莊就職於SAS中[0國0]公司。在SAS中[0國0]公司期間，曆任資深谘詢顧問、項目經理、[0首0]席顧問、谘詢經理，在SAS的技術與産[0品0][0領0]域擁有豐富的谘詢和項目實施經驗。在[0超0]過15年的從業經曆中，為SAS的金融行業客戶成功實施瞭眾多深受好[0評0]的項目，所承擔的項目獲得諸如人民銀行頒發的“銀行係統科技進步一等奬”和客戶係統內部頒發的“項目開發特等奬”等。擁有數[0學0]專業的[0學0]士[0學0]位和自動控製理論及應用專業的碩士[0學0]位。 徐[0[0唯0]0]，SAS軟件研究開發（北京）有限公司資深分析谘詢師，主要負責為SAS亞太地區客戶提供高端[0商0]業分析與[0優0]化的谘詢服務，擁有為[0國0]際客戶提供數據挖掘和[0優0]化建模服務的豐富經驗，例如為某[0大0]型[0國0]際汽車製造公司在中[0國0]業務的庫存[0優0]化項目提供服務，以及為[0國0]際[0知0][0名0]銀行的信用卡審批流程[0優0]化提供[0優0]化建模服務等。本科和研究生均畢業於南京[0大0][0學0]數[0學0]係。 潘紅蓮，SAS中[0國0]公司資深谘詢顧問，為中[0國0]區客戶提供SAS解決方案和産[0品0]的方案谘詢和技術支持。於2008年加入SAS後，曾任SAS軟件研究開發（北京）有限公司解決方案架構師，提供SAS解決方案和産[0品0]在企業級應用的方案研究和設計，尤其在IT實施和産[0品0]集成策略等[0領0]域做齣瞭突齣的貢獻。對SAS架構設計、係統管理、安全性，以及高可用性等方麵有著深刻的理解和豐富的實踐經驗。畢業於北京航空航天[0大0][0學0]，獲計算機專業[0學0]士和碩士[0學0]位。 林建偉，現就職於SAS軟件研究開發（北京）有限公司，任資深分析谘詢師。研究[0領0]域為[0大0]數據處理、數據挖掘、預測[0優0]化、庫存[0優0]化、圖論及相關應用。參與[0國0]內外多個客戶的SAS預測與[0優0]化項目的谘詢工作，例如為某海外銀行的信用卡審批流程[0優0]化提供[0優0]化建模服務。美[0國0]西密歇根[0大0][0學0]博士，在[0國0]際[0知0][0名0]刊物上發錶多篇專業論文。

內容簡介

本書是[0國0]內市場目前一本由SAS公司在中[0國0]的員工創作、全麵係統地剖析SAS技術的著作。作者團隊結閤自身實際工作的經驗體[0會0]和[0大0]量生動的實踐案例，通俗易懂、循序漸進地對SAS的核心技術模塊和架構體係進行瞭全方位的介紹、總結與分享，幫助讀者深刻[0領0][0會0]和掌握使用SAS進行數據挖掘與[0優0]化的專業[0知0]識，同時培養讀者運用這些專業[0知0]識解決[0商0]業問題和實施[0商0]業項目的能力。 全書共28章，分為四個部分：SAS編程([0第0]1-8章)係統介紹瞭運用SAS進行數據讀入、處理和展現等內容，掌握這一部分內容可以滿足[0大0]部分實際項目中數據處理的需要；SAS統計分析和時間序列預測 ([0第0]9—18章)全麵介紹瞭多種常見統計方[0法0]的基本原理和利用SAS去實現的具體技術，包括描述性統計分析、參數估計與假設檢驗、方差分析、主成分分析與因子分析、聚類分析、判彆分析、迴歸分析、時間序列分析等，並給齣瞭相應的實踐案例，從而讓熟悉統計理論的讀者有能力將其應用到實際中去；SAS[0優0]化建模([0第0]19~24章)對於從事[0優0]化的讀者來說，將是很好的幫助。這一部分主要介紹瞭運用SAS／O日建模，以及求解綫性規劃、混閤整數規劃問題的方[0法0]及實例，通過對常見的[0優0]化問題進行全麵的闡述，幫助讀者掌握[0優0]化思路和技巧；SAS[0商0]業應用([0第0]25-28章)從項目實施角度探討瞭如何設計滿足安全性、高可用性和高性能需求的gAS應用，讓讀者[0領0][0會0]解決實際問題的方[0法0]。

目錄

《深入解析SAS：數據處理、分析[0優0]化與[0商0]業應用》 前言 Preface [0第0]一篇 SAS編程和數據處理 [0第0]1章 Base SAS基礎 2 1.1 SAS係統簡介 2 1.2 啓動SAS軟件 4 1.2.1 SAS窗口環境模式 4 1.2.2 非交互模式 5 1.2.3 批處理模式 6 1.2.4 交互式行模式 7 1.2.5 配置文件和AUTOEXEC文件 7 1.3 SAS窗口環境 8 1.3.1 SAS資源管理器 10 1.3.2 程序編輯器 10 1.3.3 日誌 10 1.3.4 結果 11 1.3.5 輸齣 11 1.4 SAS文件和邏輯庫 11 1.5 一個簡單的SAS程序 13 1.6 SAS Studio 17 1.7 本章小結 18 [0第0]2章 讀取外部數據到SAS數據集 19 2.1 SAS編程基本概念 20 2.1.1 SAS邏輯庫 20 2.1.2 SAS數據集 23 2.1.3 SAS邏輯庫和數據集管理 31 2.1.4 SAS係統選項 33 2.1.5 SAS程序結構 37 2.2 通過DATA步讀取數據 38 2.2.1 DATA步處理 38 2.2.2 讀取外部文本文件中的數據（初級） 42 2.2.3 讀取外部文本文件中的數據（高級） 52 2.3 通過IMPORT過程讀取外部文件數據 62 2.4 訪問關係型數據庫係統中的數據 65 2.5 SAS程序錯誤及處理 68 2.5.1 良好的SAS編程風格 68 2.5.2 常見錯誤及處理 69 2.6 本章小結 73 [0第0]3章 對單個數據集的處理 74 3.1 選取部分變量 74 3.2 操作數據集的觀測 78 3.2.1 SAS錶達式 78 3.2.2 選取部分觀測 84 3.2.3 操作所選取的觀測 88 3.2.4 分組與排序 92 3.3 創建新變量 96 3.3.1 數據集選項RENAME=和RENAME語句 96 3.3.2 賦值語句創建新變量 97 3.3.3 對多個觀測求和 99 3.4 循環和數組 103 3.4.1 循環 103 3.4.2 SAS數組 106 3.5 SAS常用函數 109 3.5.1 函數語[0法0] 109 3.5.2 數值函數 110 3.5.3 字符操作函數 110 3.5.4 數值與字符轉換函數 113 3.5.5 與日期時間相關的函數 115 3.6 將數據集寫齣到外部文件 116 3.7 本章小結 119 [0第0]4章 對多個數據集的處理 120 4.1 數據集的縱嚮串接 120 4.1.1 使用SET語句實現縱嚮串接 120 4.1.2 使用APPEND過程實現縱嚮串接 127 4.1.3 SET語句與APPEND過程的比較 129 4.2 數據集的橫嚮閤並 130 4.2.1 不使用BY語句實現橫嚮閤並 130 4.2.2 使用BY語句實現橫嚮閤並 133 4.2.3 使用數據集選項IN=操作觀測 140 4.3 數據集的更新 141 4.4 數據集的更改 143 4.4.1 單個數據集的更改 143 4.4.2 兩個數據集的更改 145 4.5 數據集處理的一點補充 146 4.5.1 使用數據集選項END= 146 4.5.2 使用自動變量FIRST.與LAST. 148 4.5.3 使用SET語句中的選項POINT= 和NOBS= 149 4.5.4 使用多個SET語句 150 4.5.5 使用HASH對象處理多個數據集 151 4.6 本章小結 156 [0第0]5章 數據匯總與展現 157 5.1 通過PRINT過程製作報錶 157 5.1.1 製作簡單報錶 157 5.1.2 製作增強型報錶 161 5.1.3 改進報錶顯示 163 5.2 通過TABULATE過程製作匯總報錶 168 5.2.1 製作基本匯總報錶 168 5.2.2 製作高級匯總報錶 172 5.2.3 改進報錶顯示 175 5.3 通過GPLOT過程製作圖形 180 5.3.1 製作散點圖 180 5.3.2 製作連綫圖 184 5.3.3 製作多幅圖形 188 5.3.4 製作氣泡圖 195 5.4 通過GCHART過程製作圖形 196 5.4.1 製作柱狀圖 196 5.4.2 製作分組柱狀圖 203 5.4.3 製作餅圖 206 5.5 ODS輸齣傳送係統 210 5.5.1 選擇或剔除輸齣對象 211 5.5.2 創建多種格式輸齣文件 216 5.6 本章小結 223 [0第0]6章 SAS SQL語言 224 6.1 SQL語言概述 224 6.2 使用SQL檢索數據 225 6.2.1 SQL的基本結構 225 6.2.2 使用SQL對列進行操作 226 6.2.3 使用SQL對行進行操作 227 6.2.4 使用SQL對報錶加工與生成數據集 232 6.2.5 子查詢 233 6.3 使用SQL對錶進行橫嚮閤並 234 6.3.1 使用SQL對錶進行內連接 234 6.3.2 使用SQL對錶進行外連接 236 6.4 使用SQL對錶進行縱嚮閤並 237 6.4.1 使用關鍵字EXCEPT對錶進行縱嚮閤並 238 6.4.2 使用關鍵字INTERSECT對錶進行縱嚮閤並 240 6.4.3 使用關鍵字UNION對錶進行縱嚮閤並 241 6.4.4 使用關鍵字OUTER UNION對錶進行縱嚮閤並 243 6.5 使用SQL管理錶 245 6.5.1 使用SQL復製、創建與刪除錶 245 6.5.2 使用SQL插入行 247 6.5.3 使用SQL刪除部分行 248 6.5.4 使用SQL修改錶的列 249 6.5.5 使用SQL更新列的值 250 6.6 本章小結 252 [0第0]7章 SAS宏語言 253 7.1 SAS宏語言概述 253 7.2 宏變量 254 7.2.1 宏變量的定義 254 7.2.2 宏變量的調用 255 7.2.3 宏變量的查看 257 7.2.4 宏變量的分類 258 7.2.5 宏變量的刪除 259 7.3 宏函數 259 7.3.1 在宏語言中調用SAS函數 259 7.3.2 用宏函數處理算術與邏輯錶達式 260 7.3.3 常見的處理文本的宏函數 261 7.4 宏 263 7.4.1 宏的定義與調用 263 7.4.2 宏的存儲 264 7.4.3 宏的參數 266 7.4.4 宏與宏變量 269 7.5 宏語言與其他SAS語言 272 7.5.1 宏語言的編譯過程 272 7.5.2 宏語言與DATA步 274 7.5.3 宏語言與SQL語言 277 7.6 宏編程 278 7.6.1 條件語句 278 7.6.2 循環語句 280 7.7 本章小結 283 [0第0]8章 開發多語言支持的SAS程序 284 8.1 多語言支持的基本概念 284 8.1.1 語言/區域 285 8.1.2 字符集和編碼 285 8.2 NLS相關的SAS選項 288 8.2.1 語言/區域選項LOCALE= 288 8.2.2 編碼選項ENCODING= 290 8.2.3 時區選項TIMEZONE= 295 8.2.4 語言切換選項 296 8.3 NL格式和NL輸入格式 297 8.4 字符串和字符處理函數 302 8.5 文本字符串外部化 303 8.6 本章小結 309 [0第0]二篇 SAS統計分析和時間序列預測 [0第0]9章 描述性統計分析 312 9.1 基本概念 313 9.1.1 總體、個體和樣本 313 9.1.2 簡單隨機抽樣 313 9.1.3 連續變量和分類變量 313 9.1.4 參數、統計量和自由度 314 9.1.5 隨機變量及概率分布 314 9.2 描述性統計量 318 9.2.1 描述數據集中趨勢 319 9.2.2 描述數據離散程度 320 9.2.3 描述數據分布形態 322 9.3 MEANS過程的補充 334 9.3.1 統計量列錶 334 9.3.2 選項WEIGHT=和WEIGHT語句 335 9.3.3 輸齣SAS數據集 336 9.3.4 WAYS語句和TYPES語句 338 9.4 本章小結 340 [0第0]10章 參數估計與假設檢驗 341 10.1 參數估計 341 10.1.1 點估計 341 10.1.2 區間估計 343 10.2 假設檢驗 346 10.2.1 基本原理 346 10.2.2 T分布與T檢驗 348 10.2.3 TTEST過程 350 10.2.4 單樣本均值T檢驗 352 10.2.5 [0獨0]立[0[0雙0]0]樣本均值T檢驗 354 10.2.6 配對樣本均值T檢驗 360 10.3 非參數假設檢驗 362 10.4 分布擬閤假設檢驗 365 10.5 本章小結 368 [0第0]11章 方差分析 370 11.1 方差分析的基本原理 370 11.1.1 方差分析的模型 370 11.1.2 方差分析的基本思想 371 11.1.3 方差分析的假設 373 11.2 單因素試驗的方差分析 374 11.2.1 TTEST過程、ANOVA過程與GLM過程的區彆 374 11.2.2 使用ANOVA過程進行方差分析 374 11.2.3 使用GLM過程進行方差分析 376 11.3 顯著因素下的水平間差異檢驗 379 11.3.1 LSMEANS語句與MEANS語句的區彆 379 11.3.2 利用LSMEANS語句進行水平差異分析 380 11.4 [0[0雙0]0]因素試驗的方差分析 382 11.4.1 [0[0雙0]0]因素試驗概述 382 11.4.2 利用GLM過程對不均衡數據進行方差分析 383 11.4.3 有交互作用因素的方差分析 385 11.5 本章小結 386 [0第0]12章 主成分分析與因子分析 387 12.1 主成分分析概述 387 12.1.1 主成分分析的基本思想 387 12.1.2 主成分的定義、計算與確定 389 12.1.3 主成分分析難點探討 390 12.2 使用SAS實現主成分分析 392 12.2.1 FACTOR過程與PRINCOMP過程的比較 392 12.2.2 使用PRINCOMP過程進行主成分分析 392 12.2.3 使用FACTOR過程進行主成分分析 396 12.3 因子分析概述 399 12.3.1 公共因子與特殊因子 399 12.3.2 因子分析的計算過程 400 12.3.3 因子分析與主成分分析比較 401 12.4 使用SAS實現因子分析 402 12.5 本章小結 407 [0第0]13章 聚類分析 408 13.1 聚類分析的概述 408 13.1.1 聚類分析方[0法0]介紹與比較 408 13.1.2 相似性的度量 409 13.2 劃分[0法0]與層次[0法0] 412 13.2.1 使用過程FASTCLUS實現K均值聚類[0法0] 412 13.2.2 使用過程CLUSTER實現層次[0法0] 416 13.3 本章小結 422 [0第0]14章 判彆分析 423 14.1 判彆分析概述 423 14.1.1 判彆分析的基本概念及應用 423 14.1.2 判彆分析的假設條件 424 14.1.3 判彆分析常見的方[0法0] 424 14.2 判彆分析在SAS中的實現 426 14.2.1 使用過程DISCRIM實現一般判彆分析 427 14.2.2 使用過程CANDISC實現典型判彆分析 432 14.2.3 使用過程STEPDISC實現逐步判彆分析 436 14.3 本章小結 440 [0第0]15章 迴歸分析 441 15.1 變量關係探索 442 15.1.1 皮爾遜相關係數 442 15.1.2 相關性檢驗 444 15.1.3 CORR過程 444 15.2 綫性迴歸 448 15.2.1 基本原理 449 15.2.2 假設檢驗 451 15.2.3 模型擬閤 453 15.2.4 模型選擇 457 15.2.5 模型預測 464 15.3 自變量間的共綫性診斷 466 15.4 本章小結 468 [0第0]16章 LOGISTIC迴歸分析 470 16.1 基本原理 470 16.1.1 綫性概率模型 470 16.1.2 LOGISTIC迴歸模型 471 16.1.3 LOGISTIC迴歸模型的估計 473 16.1.4 LOGISTIC迴歸模型的假設條件 474 16.2 運用LOGISTIC過程擬閤模型 475 16.2.1 基本語[0法0] 475 16.2.2 假設檢驗 477 16.2.3 參數估計和解釋 478 16.2.4 模型[0評0]價 480 16.3 LOGISTIC過程的其他語句 482 16.3.1 CLASS語句 482 16.3.2 ODDSRATIO語句 483 16.3.3 UNITS語句 484 16.4 建立模型 491 16.4.1 自變量與Logit值的關係 491 16.4.2 自變量的互動作用 494 16.4.3 模型選擇 494 16.5 本章小結 500 [0第0]17章 時間序列分析 501 17.1 時間序列基本概念 501 17.1.1 瞭解時間序列 501 17.1.2 時間序列的數字特徵 503 17.1.3 常見平穩和非平穩模型 506 17.1.4 SAS時間序列分析軟件簡介 511 17.2 平穩時間序列分析 511 17.2.1 數據準備 512 17.2.2 平穩性和白噪聲檢驗 516 17.2.3 模型識彆 521 17.2.4 參數估計和診斷檢驗 532 17.2.5 預測 537 17.3 趨勢時間序列分析 546 17.3.1 確定性時間趨勢 546 17.3.2 隨機時間趨勢 550 17.3.3 運用ARIMA過程建立趨勢模型 554 17.3.4 異常點檢測 564 17.3.5 運用其他過程建立趨勢模型 565 17.4 季節時間序列模型 574 17.4.1 確定性季節因素 574 17.4.2 隨機季節模型 578 17.4.3 季節性診斷 579 17.5 本章小結 585 [0第0]18章 SAS數據挖掘的一般流程 586 18.1 SAS數據挖掘概述 586 18.2 確定業務問題和數據準備 587 18.2.1 確定業務問題 587 18.2.2 數據準備 588 18.3 數據抽樣、探索與加工 590 18.3.1 數據抽樣 590 18.3.2 數據探索 591 18.3.3 數據加工 601 18.4 數據建模 605 18.4.1 模型的建立 605 18.4.2 模型的[0評0]估 609 18.4.3 模型的實施 614 18.5 本章小結 615 [0第0]三篇 SAS[0優0]化建模 [0第0]19章 運籌[0學0]概述 618 19.1 運籌[0學0]發展簡介 618 19.2 [0優0]化模型的基本概念 621 19.3 [0優0]化模型的分類 623 19.4 [0優0]化建模步驟 624 19.5 SAS/OR簡介 627 19.6 一個簡單的OPTMODEL程序 627 19.7 本章小結 631 [0第0]20章 綫性規劃 632 20.1 數[0學0]模型 632 20.1.1 問題的提齣 632 20.1.2 綫性規劃問題 634 20.1.3 圖解[0法0] 636 20.2 單純形[0法0] 638 20.2.1 綫性規劃問題的標準型 638 20.2.2 單純形[0法0]的導齣和運用 641 20.2.3 兩階段單純形[0法0] 645 20.3 對偶理論和靈敏性分析 649 20.3.1 對偶問題的導齣 649 20.3.2 對偶問題的基本性質 650 20.3.3 對偶單純形[0法0] 651 20.3.4 對偶問題的經濟解釋 653 20.3.5 靈敏性分析 656 20.4 內點[0法0] 657 20.5 本章小結 658 [0第0]21章 運用PROC OPTMODEL建立綫性規劃模型 659 21.1 基本概念 659 21.1.1 參數 659 21.1.2 索引和索引集 660 21.1.3 數據類型 660 21.1.4 [0名0]稱 661 21.1.5 錶達式 661 21.1.6 標識錶達式 662 21.1.7 函數錶達式 662 21.1.8 索引集的補充 662 21.2 基本結構 664 21.3 建立模型 667 21.3.1 參數的聲明 667 21.3.2 變量的聲明 671 21.3.3 目標函數的聲明 672 21.3.4 約束條件的聲明 672 21.3.5 求解器的調用 673 21.3.6 數據輸齣 673 21.4 讀取SAS數據集 678 21.5 創建SAS數據集 686 21.6 本章小結 688 [0第0]22章 PROC OPTMODEL程序設計 689 22.1 PROC OPTMODEL中的流程控製方[0法0]與集閤運算 689 22.1.1 常見的流程控製方[0法0] 689 22.1.2 常見的集閤運算處理 695 22.2 模型的更新 702 22.2.1 使用預求解器 702 22.2.2 決策變量的增加、固定與限製 704 22.2.3 約束的改變與放鬆 709 22.3 網絡流模型 712 22.3.1 網絡流模型概述 712 22.3.2 使用OPTMODEL求解網絡流模型 714 22.4 本章小結 717 [0第0]23章 整數綫性規劃和混閤整數綫性規劃 718 23.1 整數綫性規劃和混閤整數綫性規劃概述 718 23.1.1 分支定界[0法0] 719 23.1.2 割平麵[0法0] 722 23.2 使用PROC OPTMODEL求解混閤整數綫性規劃 725 23.3 使用0-1變量建模 728 23.3.1 問題的提齣 728 23.3.2 數[0學0]模型 728 23.3.3 輸入數據 731 23.3.4 PROC OPTMODEL代碼和輸齣 733 23.4 本章小結 737 [0第0]24章 [0優0]化建模實例 738 24.1 集裝箱問題 738 24.1.1 問題的提齣 738 24.1.2 數[0學0]模型 739 24.1.3 輸入數據 740 24.1.4 PROC OPTMODEL代碼和輸齣 741 24.1.5 功能與技巧匯總 747 24.2 運輸排程問題 748 24.2.1 問題的提齣 748 24.2.2 數[0學0]模型 751 24.2.3 輸入數據 755 24.2.4 數據驗證 759 24.2.5 PROC OPTMODEL代碼和輸齣 764 24.2.6 功能與技巧匯總 773 24.3 本章小結 773 [0第0]四篇 SAS智能平颱架構體係 [0第0]25章 SAS智能平颱及行業解決方案 776 25.1 SAS智能平颱 777 25.1.1 數據層 778 25.1.2 SAS服務器 778 25.1.3 中間層 780 25.1.4 客戶端 780 25.2 SAS[0商0]業智能 781 25.2.1 SAS Office Analytics 781 25.2.2 SAS Enterprise BI Server 784 25.3 SAS數據管理和集成 790 25.3.1 SAS數據集成 791 25.3.2 SAS數據質量管理 792 25.3.3 DataFlux數據管理平颱 792 25.3.4 SAS主數據管理 794 25.4 SAS[0商0]業分析 796 25.4.1 SAS Enterprise Miner 796 25.4.2 SAS Text Miner 798 25.4.3 SAS[0商0]業分析解決方案 799 25.5 SAS高性能分析 801 25.5.1 SAS內存分析 801 25.5.2 SAS In-Database 804 25.5.3 SAS網格計算 804 25.6 本章小結 805 [0第0]26章 SAS應用的架構規劃 806 26.1 SAS應用的架構規劃 806 26.1.1 SAS應用的架構 806 26.1.2 SAS Grid Manager架構 811 26.1.3 SAS庫內産[0品0]架構 812 26.1.4 SAS內存分析産[0品0]架構 812 26.1.5 SAS部署在高可用集群中的架構 814 26.2 SAS應用的I/O係統規劃 815 26.2.1 SAS應用的I/O特性 815 26.2.2 SAS文件係統考慮 816 26.3 本章小結 818 [0第0]27章 SAS智能平颱安全管理 819 27.1 身份標識 819 27.1.1 用戶 819 27.1.2 組 822 27.1.3 角色 823 27.2 認證 824 27.2.1 認證機製 824 27.2.2 憑證管理 826 27.2.3 認證到元數據服務器 832 27.2.4 認證到計算服務器 833 27.2.5 認證到數據服務器 833 27.2.6 單點登錄 833 27.3 授[0權0] 834 27.3.1 元數據授[0權0] 834 27.3.2 訪問元數據文件夾 838 27.3.3 訪問數據 838 27.3.4 訪問SAS對象 839 27.3.5 數據的細粒度控製 842 27.4 加密 843 27.4.1 加密提供方 843 27.4.2 加密ODS PDF文件 844 27.4.3 SAS加密係統選項 844 27.4.4 PWENCODE過程 844 27.5 安全性審計 845 27.5.1 SAS安全性報告宏 845 27.5.2 SAS日誌模塊 846 27.5.3 Web應用程序的日誌 847 27.5.4 SAS審計性能測量包 848 27.6 本章小結 850 [0第0]28章 SAS智能平颱的高可用性 851 28.1 高可用性相關概念 851 28.2 SAS高可用性方[0法0]概述 853 28.2.1 高可用集群 853 28.2.2 動態遷移 854 28.2.3 SAS環境備份和恢復 854 28.3 SAS元數據服務器 855 28.3.1 元數據服務器集群 856 28.3.2 提高元數據服務器可用性 856 28.3.3 公共組件 857 28.4 SAS計算層 857 28.4.1 SAS計算服務器負載均衡 857 28.4.2 SAS網格計算 858 28.4.3 提高計算層組件可用性 858 28.4.4 作業運行選項 859 28.5 SAS中間層 860 28.5.1 SAS Web Application Server集群 860 28.5.2 提高中間層組件的可用性 861 28.6 數據層 862 28.7 本章小結 863

編輯推薦

《深入解析SAS：數據處理、分析[0優0]化與[0商0]業應用》 SAS軟件研究開發（北京）有限公司資深技術人員經驗結晶，SAP[0大0]中[0國0]區[0商0]業創新[0首0]席架構師魯百年強烈推薦。 實戰性強，結閤[0商0]業案例細緻呈現SAS的[0優0]化建模方[0法0]，深入講解SAS數據處理、統計分析及時間序列，涵蓋引[0領0][0大0]數據[0潮0]流的SAS高性能分析，以及智能分析平颱、解決方案、平颱的安全性與高可用性等重要[0領0]域。 更多精彩，點擊進入華章[0品0]牌店查閱>>

精通數據科學的煉金術：掌握Python在金融、市場營銷與科學研究中的高級應用 在這本內容充實的著作中，我們將一同踏上一段深入探索Python在各個前沿領域中強大潛力的旅程。本書並非止步於基礎語法的介紹，而是旨在為你提供一套融會貫通的知識體係，讓你能夠運用Python這門靈活而高效的語言，解決現實世界中錯綜復雜的數據挑戰。我們將聚焦於金融分析的嚴謹性、市場營銷的洞察力以及科學研究的創新性，為你揭示Python如何成為這些領域不可或缺的利器。 第一部分：金融領域的Python實踐 金融分析是一門藝術，也是一門科學，它要求我們在海量數據中捕捉瞬息萬變的趨勢，做齣明智的投資決策。本書將帶領你深入Python在金融領域的應用，從基礎的數據采集與清洗，到高級的量化交易策略構建。 數據采集與清洗的藝術： 金融數據的來源繁多，質量參差不齊。我們將學習如何利用`pandas`和`numpy`等核心庫，高效地從各類API（如Quandl、Alpha Vantage）、數據庫（SQLAlchemy）甚至網頁（BeautifulSoup、Scrapy）抓取金融時間序列數據、公司財報、宏觀經濟指標等。重點將放在數據的清洗、轉換和預處理，包括處理缺失值、異常值、數據標準化、時區問題等，確保數據的準確性和一緻性，為後續分析奠定堅實基礎。 探索性數據分析（EDA）與可視化： 在理解數據之前，必須先與之對話。我們將學習如何運用`matplotlib`、`seaborn`和`plotly`等庫，創建交互式且富有洞察力的圖錶，如K綫圖、收益率分布圖、相關性熱力圖等，直觀地展現股票價格走勢、市場波動性、資産相關性等關鍵信息。通過EDA，你將能夠識彆潛在的模式、異常點和數據分布特徵，為模型構建提供方嚮。 量化策略的基石： 本書將為你構建量化交易策略的完整流程。我們將學習如何實現經典的策略，如均值迴歸、動量交易、趨勢跟隨等，並深入理解它們背後的數學原理和統計假設。我們將使用`statsmodels`進行時間序列分析，如ARIMA模型、GARCH模型，以捕捉資産價格的動態變化。同時，我們也會探討風險管理的技術，如VaR（Value at Risk）計算，以量化投資組閤的潛在損失。 機器學習在金融預測中的應用： 金融市場的復雜性使得傳統統計方法有時力不從心。我們將引入機器學習算法，如綫性迴歸、邏輯迴歸、決策樹、隨機森林、支持嚮量機（SVM）以及深度學習中的循環神經網絡（RNN）和長短期記憶網絡（LSTM），來預測股票價格、評估信用風險、檢測欺詐行為。本書將詳細講解模型選擇、特徵工程、模型訓練、超參數調優以及模型評估指標（如準確率、精確率、召迴率、F1分數、AUC）在金融場景下的應用。 投資組閤優化與風險管理： 構建有效的投資組閤是實現投資目標的關鍵。我們將學習現代投資組閤理論（MPT），理解馬科維茨模型，並使用Python進行投資組閤的優化，尋找最優的資産配置比例以最大化收益並最小化風險。同時，我們將深入探討各種風險管理工具，如濛特卡洛模擬，用於評估極端市場事件的潛在影響。 第二部分：市場營銷的Python驅動洞察 在競爭激烈的市場環境中，數據驅動的決策是企業成功的關鍵。Python為市場營銷專業人士提供瞭強大的工具，能夠幫助他們理解消費者行為、優化營銷活動、提升客戶體驗。 消費者行為分析與細分： 我們將學習如何利用Python分析來自社交媒體、網站日誌、CRM係統等渠道的海量消費者數據。通過`pandas`進行數據整閤，利用`scikit-learn`進行聚類分析（如K-means、DBSCAN），將消費者劃分為具有相似特徵和需求的細分群體。我們將探討如何構建客戶畫像，深入理解不同細分市場的偏好和購買習慣。 市場營銷活動效果評估與優化： 如何衡量營銷活動（如廣告投放、郵件營銷、社交媒體推廣）的ROI？本書將指導你如何設計A/B測試，利用統計方法分析實驗結果，找齣最有效的營銷策略。我們將學習如何使用Python構建預測模型，預測客戶流失率，從而采取針對性的挽留措施。同時，也會探討如何進行客戶生命周期價值（CLV）的預測和優化。 情感分析與輿情監控： 社交媒體是消費者錶達意見的重要平颱。我們將學習如何利用自然語言處理（NLP）技術，如NLTK、spaCy，對大量的用戶評論、社交媒體帖子進行情感分析，識彆消費者對産品、品牌或服務的態度（正麵、負麵、中性）。這將有助於企業及時瞭解市場反饋，應對負麵輿情，並發現新的市場機會。 推薦係統的構建： 個性化推薦是提升用戶體驗和銷售額的重要手段。本書將介紹不同類型的推薦係統，如基於內容的推薦、協同過濾推薦（用戶-用戶、物品-物品）以及混閤推薦。我們將學習如何使用Python實現這些算法，並使用評估指標（如準確率、召迴率、覆蓋率、多樣性）來衡量推薦係統的性能。 用戶體驗（UX）數據分析： 網站和應用程序的用戶行為日誌包含瞭豐富的UX信息。我們將學習如何分析這些數據，識彆用戶在瀏覽、互動過程中遇到的障礙，如高跳齣率的頁麵、低轉化率的流程。通過數據可視化和統計分析，為改進産品設計和用戶界麵提供依據。 第三部分：科學研究的Python加速器 Python已成為科學研究領域最受歡迎的編程語言之一，其豐富的庫和強大的計算能力極大地加速瞭從數據處理到模型構建的整個科研流程。 高級數據可視化在科研中的應用： 除瞭基礎的可視化，本書還將深入介紹如何使用`matplotlib`、`seaborn`、`plotly`和`dash`等庫創建高度定製化、交互式的科學圖錶，用於展示復雜的研究結果，如三維散點圖、等值綫圖、網絡圖、地理空間數據可視化等。這將有助於研究人員清晰地傳達他們的發現。 數值計算與科學模擬： `numpy`和`scipy`是科學計算的基石。我們將學習如何利用它們進行高效的數值積分、微分方程求解、綫性代數運算、傅裏葉變換等。這對於模擬物理過程、化學反應、生物係統等至關重要。 統計建模與假設檢驗： 本書將深入講解`statsmodels`庫，用於進行各種統計建模，包括綫性迴歸、廣義綫性模型（GLM）、混閤效應模型等。我們將學習如何設計和執行嚴謹的假設檢驗，以驗證研究的科學假設。 機器學習在科學發現中的賦能： 從基因組學到天體物理學，機器學習正在為科學發現注入新的活力。我們將學習如何利用`scikit-learn`和深度學習框架（如TensorFlow、PyTorch）來構建模型，以識彆圖像中的模式（如細胞分類、星係識彆）、預測材料性質、分析粒子碰撞數據等。 自動化科研工作流： 研究往往需要處理大量重復性的任務。我們將學習如何利用Python腳本自動化數據下載、文件處理、實驗參數設置、結果匯總等流程，從而極大地提高科研效率，讓研究人員能夠更專注於核心的科學問題。 並行計算與高性能計算（HPC）基礎： 對於處理大規模數據集和復雜計算任務，並行計算是必不可少的。我們將介紹Python中的並行計算技術，如`multiprocessing`模塊，以及使用`Dask`等庫進行分布式計算，為處理海量科學數據提供解決方案。 總結 本書的宗旨是讓你不僅能夠掌握Python在特定領域的應用技巧，更能培養一種用數據解決問題的思維方式。我們相信，通過對本書內容的深入學習和實踐，你將能夠自信地駕馭Python，在金融分析、市場營銷策略製定以及前沿科學研究等領域取得突破性的進展。無論你是數據科學傢、分析師、研究人員，還是希望在職業生涯中邁嚮新高度的專業人士，本書都將是你不可或缺的寶貴指南。

評分☆☆☆☆☆

評價一 讀瞭《圖解算法》這本書，真的像打開瞭一扇新世界的大門。之前對算法的概念總是模模糊糊，感覺像空中樓閣，但這本書用大量形象生動的圖示，將那些抽象的算法原理一步步拆解，化繁為簡。比如，我一直對快速排序的“分治”思想難以理解，但書中通過一個生動的“分蘋果”的比喻，讓我瞬間領悟瞭它的精髓。遞歸的思想也通過“俄羅斯套娃”的方式層層剝繭，不再是讓人望而卻步的難題。算法的邏輯、時間復雜度、空間復雜度這些概念，在圖示的輔助下，變得異常直觀。作者還精心挑選瞭一些經典的算法，如鏈錶、樹、圖、排序、搜索等，並且對它們的應用場景也做瞭詳細的闡述。讓我印象深刻的是，書中不僅講解瞭算法本身，還強調瞭如何根據實際問題選擇閤適的算法，以及如何優化算法的性能。這種從理論到實踐的引導，讓我覺得這本書不僅是知識的傳授，更是能力的培養。讀完這本書，我感覺自己不再是算法的“小白”，而是能夠真正理解並嘗試運用算法來解決問題的“入門者”瞭。它讓我對編程産生瞭更濃厚的興趣，也激發瞭我進一步深入學習的動力。

評分☆☆☆☆☆

評價三 我最近讀瞭《深度學習：花書（Deep Learning）》，這是一本在深度學習領域非常有影響力的著作。這本書的深度和廣度都令人驚嘆，它係統地介紹瞭深度學習的理論基礎、核心模型以及前沿進展。作者在數學原理的推導上非常嚴謹，從綫性代數、概率論、信息論的基礎講起，為讀者構建瞭堅實的數學基石。然後，逐一深入剖析瞭各種深度學習模型，包括前饋神經網絡、捲積神經網絡（CNN）、循環神經網絡（RNN）、自編碼器、生成對抗網絡（GAN）等，並且對它們的工作原理、優缺點以及適用場景都進行瞭深入的探討。我特彆喜歡書中關於損失函數、優化算法（如SGD、Adam）、正則化技術（如Dropout）以及模型評估等方麵的內容，這些都是理解和構建高性能深度學習模型的關鍵。雖然其中一些數學推導和概念確實需要花費大量時間和精力去理解，但這正是這本書的價值所在——它提供瞭深入研究深度學習的“硬核”知識。讀完這本書，我感覺自己對深度學習的理解上升到瞭一個全新的層次，不僅是停留在錶麵應用，而是能夠觸及到其背後的原理和算法設計。

評分☆☆☆☆☆

評價二 《Python編程從入門到實踐》這本書，對我這個編程新手來說，簡直是及時雨。我之前嘗試過其他一些編程書籍，但要麼內容過於理論化，要麼實踐環節太少，總是學得半途而廢。這本書不一樣，它從最基礎的Python語法開始，一步步引導，每講完一個概念，都會立刻安排相應的練習題。這些練習題設計得非常巧妙，既能鞏固剛剛學到的知識點，又不會過於刁難。最讓我贊賞的是，它還引入瞭幾個大型的項目實戰，比如開發一個簡單的遊戲、創建一個數據可視化應用、構建一個Web應用等。通過這些項目的實踐，我將零散的知識點串聯起來，真正體會到瞭編程的樂趣和成就感。書中的講解風格非常清晰易懂，就像一位耐心細緻的老師，一步步帶著你走。代碼示例也都非常規範，並且配有詳細的解釋。讀完這本書，我不僅掌握瞭Python的基本語法和常用庫，還初步具備瞭獨立完成一些小型項目的能力。這極大地增強瞭我的自信心，也讓我對未來的編程學習充滿瞭期待。

評分☆☆☆☆☆

評價五 《數據可視化：原理與實踐》這本書，對於我這樣希望將復雜數據轉化為易於理解的圖形的人來說，是一本寶典。它不僅僅介紹瞭各種圖錶類型，比如散點圖、摺綫圖、柱狀圖、餅圖等等，更重要的是闡述瞭設計優秀數據可視化的核心原則。作者強調瞭選擇閤適圖錶類型的重要性，以及如何根據數據的特性和想要傳達的信息來決定圖形的形態。書中還深入探討瞭色彩、形狀、大小、布局等視覺元素在信息傳遞中的作用，以及如何避免常見的誤導性可視化陷阱。我特彆喜歡書中關於敘事性可視化的講解，它教導我們如何通過數據故事來吸引觀眾，並有效地傳達洞察。書中還提供瞭大量不同領域的優秀可視化案例分析，讓我從實際作品中汲取靈感。同時，書中也提及瞭一些常用的可視化工具和庫，為讀者提供瞭實踐的起點。讀完這本書，我感覺自己對如何“講好”數據故事有瞭更深的理解，也能夠更好地運用可視化手段來清晰、準確、有效地展示數據信息。

評分☆☆☆☆☆

評價四 《統計學：從數據到決策》這本書，是學習統計學原理的絕佳選擇。它並沒有一開始就拋齣復雜的公式和模型，而是從日常生活中常見的例子入手，比如如何理解民意調查的準確性、如何分析商品銷售數據來製定營銷策略等。這種貼近實際的講解方式，讓我能夠快速建立起對統計學概念的直觀認識。書中清晰地解釋瞭描述性統計和推斷性統計的核心概念，比如均值、方差、標準差、概率、假設檢驗、置信區間等等，並且用大量的圖錶和數據可視化來輔助說明。我尤其欣賞書中關於數據收集、數據整理、數據分析以及結果解釋的完整流程介紹，這讓學習者能夠理解統計學在實際決策中的整個生命周期。作者還強調瞭統計學在商業分析、市場研究、科學實驗等多個領域的應用，讓我看到瞭統計學強大的實用價值。通過這本書的學習，我不僅掌握瞭基本的統計分析方法，更重要的是學會瞭如何用統計學的思維去分析問題、理解數據，並做齣更明智的決策。