●前言
第1章SAS Viya 的架構和基本組成 1
1.1SAS Viya的架構 1
1.1.1SAS Viya平臺的組成部分 2
1.1.2SAS Viya平臺的部署架構 7
1.1.3基於SAS Viya的產品 8
1.2CAS的數據訪問 8
1.2.1客戶端訪問數據 10
1.2.2服務器串行訪問數據 10
1.2.3服務器並行訪問分布式數據源 11
1.2.4服務器並行訪問HDFS 11
1.3CAS的監控和管理 12
1.3.1繫統狀態 13
1.3.2配置 14
1.3.3資源監控 16
1.4CAS的安全性 17
1.4.1CAS中的身份和角色 17
1.4.2認證 18
1.4.3授權 19
1.4.4加密 22
1.4.5審計日志 22
1.5CAS數據容錯 23
1.6本章小結 23
第2章SAS Viya應用開發概覽 24
2.1如何運行SAS代碼 24
2.1.1SAS程序的基本組成 25
2.1.2SAS Studio 27
2.1.3批處理、交互式行模式及如何執行操作繫統命令 39
2.2SAS Viya中開發應用的基本概念 40
2.2.1CAS會話 41
2.2.2數據訪問 45
2.2.3CAS語言 55
2.2.4SAS選項 56
2.3SAS Viya中的編碼 62
2.3.1SAS Viya的UTF-8編碼 63
2.3.2語言/區域選項LOCALE= 64
2.4SAS代碼在哪裡執行 65
2.4.1DATA步 66
2.4.2CAS語言 66
2.4.3SAS Viya的基本過程 67
2.4.4SAS可視化數據建模和機器學習過程 67
2.4.5DS2語言 67
2.4.6SAS函數和CALL例程 68
2.4.7格式和輸入格式 68
2.4.8宏 68
2.5SAS Viya與SAS 9協同開發 69
2.6第三方開發語言開發SAS Viya應用 70
2.7本章小結 70
第3章CAS 的數據讀寫和管理 71
3.1CAS會話、CASLIB和CAS引擎邏輯庫 71
3.2CAS中的數據類型 71
3.3加載數據到CAS服務器 73
3.3.1加載客戶端文件到CAS服務器 73
3.3.2加載CAS端文件到CAS服務器 76
3.3.3CAS端文件的串行加載與並行加載 79
3.4管理CAS數據 81
3.4.1查看CAS數據的屬性 81
3.4.2保存CAS服務器中的數據 84
3.4.3卸載CAS服務器中的數據 87
3.4.4刪除文件 87
3.4.5復制文件 88
3.4.6全局化CAS表 89
3.5本章小結 91
第4章CAS中的數據處理 92
4.1DATA步在SAS Viya中的執行 92
4.1.1DATA步的執行會話 93
4.1.2DATA步在CAS中的單線程和多線程處理 96
4.2DATA步的VARCHAR字符類型 101
4.2.1LENGTH語句創建VARCHAR字符變量 101
4.2.2字符變量類型轉換 102
4.2.3字符串處理函數 104
4.3CAS數據的分區和排序 104
4.3.1DATA步的BY組處理和排序 105
4.3.2DATA步的PARTITION=和ORDERBY=數據集選項分區和排序 106
4.3.3使用CASUTIL過程的LOAD語句進行分區和排序 107
4.3.4查看CAS表的分區信息 108
4.4ACTION DATASTEP.RUNCODE執行DATA步代碼 108
4.5在CAS中應用格式進行數據處理 110
4.5.1FORMAT過程創建格式邏輯庫 111
4.5.2CAS中自定義格式的應用 112
4.5.3FORMAT語句為變量指定格式 112
4.5.4CAS中帶格式變量的處理 115
4.5.5CAS格式邏輯庫的管理 117
4.5.6CAS格式邏輯庫搜索列表管理 122
4.6本章小結 124
第5章SAS Viya 中的數據探索和展現 125
5.1SAS Viya展現數據的方法：列表 125
5.2SAS Viya展現數據的方法：圖形 127
5.2.1SGPLOT 128
5.2.2SGPANEL 131
5.2.3SGSCATTER 134
5.2.4圖形的類型 137
5.3圖形化展現CAS服務器的分析結果 152
5.3.1示例1：圖形化展示聚類分析中誤差平方和的下降過程 152
5.3.2示例2：圖形化展示數據的統計結果 153
5.4本章小結 155
第6章用SAS Viya進行數據分析 156
6.1SAS Viya中數據挖掘和機器學習過程步概述 156
6.2SAS Viya中數據挖掘的一般流程 158
6.3確定業務問題和數據準備 159
6.4數據處理 160
6.4.1數據抽樣 161
6.4.2數據探索 161
6.4.3數據加工 179
6.5數據建模 186
6.5.1模型的建立 186
6.5.2模型的評估 195
6.5.3模型的實施 210
6.6本章小結 211
第7章SAS Viya 與 SAS 9 執行環境的交互 212
7.1SAS Viya與SAS 9的差異 212
7.2SAS/CONNECT 214
7.2.1SAS/CONNECT介紹 214
7.2.2SAS會話編碼的兼容性 218
7.3SAS Viya與SAS 9的協作 218
7.3.1從已有的SAS 9平臺到新的SAS Viya平臺 219
7.3.2從新的SAS Viya平臺到已有的SAS 9平臺 222
7.4本章小結 224
第8章CAS編程語言介紹 226
8.1CASL簡介 226
8.2開始使用CASL 228
8.2.1最簡單的CASL代碼 229
8.2.2調用ACTION進行多線程分析的CASL代碼 229
8.3CASL編程 230
8.3.1變量 230
8.3.2表達式和運算符 235
8.3.3數組 237
8.3.4字典 240
8.3.5過程控制 241
8.3.6ACTION 246
8.3.7函數 255
8.3.8輸出 261
8.4本章小結 261
第9章用 Java、Lua、Python 和REST API 開發基於 SAS Viya的應用 262
9.1SAS Viya開放平臺介紹 262
9.1.1分析即服務和SAS Viya開放平臺介紹 262
9.1.2SWAT 架構介紹 263
9.1.3基於ACTION及ACTION集合的數據挖掘和機器學習 264
9.2用Java開發基於SAS Viya的應用 265
9.2.1繫統需求及開發環境配置 265
9.2.2第一個ACTION調用：調用ServerStatus查看服務器狀態 266
9.2.3用Java將數據加載到CAS服務器 270
9.2.4調用ACTION進行描述性統計分析 275
9.2.5調用ACTION進行線性回歸分析 277
9.2.6對CAS服務器端事件的管理 279
9.3用Lua開發基於SAS Viya的應用 284
9.3.1繫統需求及開發環境配置 284
9.3.2第一個ACTION調用：調用ServerStatus查看服務器狀態 285
9.3.3用Lua將數據加載到CAS服務器 286
9.3.4調用ACTION進行描述性統計分析 287
9.3.5調用ACTION進行線性回歸分析 288
9.4用Python開發基於SAS Viya的應用 289
9.4.1繫統需求及開發環境配置 289
9.4.2第一個ACTION調用：調用ServerStatus查看服務器狀態 290
9.4.3用Python將數據加載到CAS服務器 291
9.4.4調用ACTION進行描述性統計分析 293
9.4.5調用ACTION進行線性回歸分析 294
9.5用CAS REST API開發基於SAS Viya的應用 295
9.5.1使用Java來調用通用類REST Services 296
9.5.2使用Java調用REST Services進行描述性統計分析 299
9.5.3使用Java調用REST Services進行線性回歸分析 303
9.6本章小結 305

SAS Viya是SAS公司推出的一個以大數據、人工智能以及數據可視化為導向的、全新的統一平臺和環境。既集中提供了大數據、人工智能以及數據可視化所需要的專業功能，也提供了支持這些專業功能所必需的高性能、可擴展性和開放性。潘紅蓮、楊光輝、張濤、夏坤莊著的《SAS Viya/SAS核心技術叢書》旨在全面繫統地介紹SAS Viya，讓更多用戶能夠快速利用SAS Viya開發自己的大數據分析和人工智能應用，並進行可視化展現。
本書開篇介紹了SAS Viya的架構和基本組成。並且給出了SAS Viya應用開發的概覽。在讀完這部分內容後，讀者將會對SAS Viya的架構和基於Viya的應用開發有一個基本了解，從整體上掌握SAS Viya。
書中詳細描述了用SAS Viya實現數據分析的各個環節，包括數據訪問和管理、數據探索和數據展現，以及數據分析。並且配有詳細的示例等

潘紅蓮 等 著 著

Preface?前    言為什麼要寫這本書大數據、數據挖掘和機器學習、人工智能以及數據可視化發展到了一個全新的階段，開始影響著企業、組織和個人理解數據並進行決策的各個方面。這些概念並不是代表嶄新的理論或突然出現的實際需求, 而是經歷了長時間的理論發展和實際應用探索之後的必然結果。 關於海量數據及數據挖掘的概念與理論，乃至相應的產品和工具，早在至少二十年之前就已出現，即使在國內，也已經不算是新生事物了。至於人工智能，更是人類很早就夢想要突破的領域，無須檢索任何文獻去考查究竟是在何時開始探索這一領域的，僅憑筆者個人的經驗，就可以追溯到20世紀90年代。彼時，我的研究生導師華克強老師，就已經開始帶領實驗室的老師和學生們探討如何把諸如神經網絡、遺傳算法、模糊數學、支持向量機等算法運用於水下機器人的控制當中。數據可視化，更全面地說，數據分析過程和方法的等