SAS学习笔记（五）——关于样本划分

数据集可划分为训练数据集和测试数据集

划分时要注意：随机性和等比例分层（训练数据和测试数据有相同比例的目标事件）

/*进行等比例分层之前要对分层变量进行排序*/

proc sort data=data_base;

by y; /*y是目标变量*/

run;

/*surveyselect过程*/ 即设置参数的过程

proc surveyselect data=data_base

out=data_base1

samprate=.6667  /*设定分层的比例，例如训练样本为n1,测试样本为n2，那么samprate=n1/(n1+n2)*/ 

seed=1234 /*当设定为0时，每次运行surveyselect过程将产生不同的随机序列，因此每次得到的训练数据集和测试数据集都不一样；当取值大于0，就会产生

                          相同的随机序列，因此可以得到相同的训练和测试数据集*/

outall;/* 原始数据全部输出，添加标识变量1和0，分别属于训练和测试数据集*/

strata y;/*定义分层变量，使得最后的目标变量占比相同*/

run;

/*