SAS DM数据准备读书笔记9（数据抽样与拆分）

分析大型数据集时，不能一下就把所有数据拿来分析，因此常常抽取一部分来测试。另外，在训练模型的时候，也常常将数据集分成3部分，训练集，校验集和测试集。

因此，抽样的方法也是必须要掌握的基础技能。讲到抽样，曾经帮深圳供电局设计过一个营业稽查抽样决策系统，里面用了很多很复杂的抽样方法，以保证各个区局所抽样本的得分能够近似整个区局的真实情况。这应该是我负责的第一个商业统计分析项目，很怀念那段一起战斗的岁月和弟兄们，可惜的是当时项目小组的人员已经都离开项目小组，各奔前程。

抽样最常用的就是随机抽样和分层抽样，SAS 关于抽样有许多PROC，包括：

PROC SURVEYSELECT

PROC SURVEYMEANS

PROC SURVEYFREQ

PROC SURVEYREG

PROC SURVEYLOGISTIC

PROC SURVEYPHREG

 

（1）简单随机抽样。待抽样数据集PopDs，抽样结果保存在SampleDS，样本数SampleSize，抽样方法SRS（简单随机抽样）

%MACRO RandomSample(PopDS, SampleDS, SampleSize);
/* This macro performes simple random sampling */
PROC SURVEYSELECT
	DATA=&PopDs 
	METHOD=srs 
	N=&SampleSize 
	NOPRINT 
	OUT=&SampleDS;
RUN;
%MEND;

 

（2）不重