5.4数据准备之抽样和权重计算
一.抽样方法
- 随机抽样可以用来开发训练和测试样本
- 均衡抽样（对称抽样）中，设计的样本中的目标变量具有特定的构成。另外在logistic回归模型中，总体中正常和违约事件的初始比例应当作为因变量的先验概率？？？
- 分层抽样中，用一个或多个与业务申请相关的变量值将数据分层
二.样本规模
依据内部标准实际实践和理论基础
三.编程实现
- 随机抽样
-
- proc surveyselect
- % randomsample（抽取两个随机样本，可能有重合部分）
以下是宏%randomsample的具体定义：
%macro randomsampe(popds,sampleds,samplesize);
proc surveyselect
data=&popds
method=srs
n=&samplesize
noprint
out=&sampleds;
run;
%mend;
-
- %R2Partitions（抽取两个随机样本，无重合部分）
%R2Partitions(DSin,IDVar,DS1,DS2,N1,N2,M_Error)
/*输入数据集，ID变量，第一个随机样本，第二个随机样本，DS1的规模，DS2的规模，错误信息*/
2.均衡抽样和权重
%B2Partitions(DSin,IDVar,Dvvar,DS1,N1,P1,DS2,N2P2,M_Error);
/* 输入数据集，ID变量，因变量，第一个均衡样本的名称，规模，DS1的违约率，第二个均衡样本的名称，规模，DS2的违约率，错误信息 */
3.计算样本权重（即计算违约和正常的权重）
%BSWeight(popds,sds,dvvar,tvar,dsout)
/* 总体数据集，均衡抽样数据集，因变量，权重变量的名称，输出数据集 */
版权声明：本文为jane-lau原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。