可視化分析與SAS實現(xiàn)

目　　錄?Contents
前言
第1章　可視化分析概論 1
1.1　可視化分析的意義 1
1.2　數(shù)據(jù)可視化分析興起的背景 3
1.3　數(shù)據(jù)分析的可視化與分析的不同層次 4
1.3.1　數(shù)據(jù)獲取與數(shù)據(jù)轉(zhuǎn)換 4
1.3.2　高級分析與模型開發(fā) 5
1.3.3　分析結(jié)果展現(xiàn)與模型應(yīng)用 5
1.4　可視化分析面臨的挑戰(zhàn)與應(yīng)對 6
1.4.1　可視化分析面臨的挑戰(zhàn) 6
1.4.2　SAS的可視化分析實現(xiàn) 7
1.5　本章小結(jié) 9
第2章　SAS可視化分析技術(shù)概述 10
2.1　SAS數(shù)據(jù)可視化分析的平臺基礎(chǔ) 10
2.2　SAS可視化分析家族成員、主要功能和相互聯(lián)系 11
2.2.1　SAS可視化分析 12
2.2.2　SAS 可視化統(tǒng)計 13
2.2.3　SAS 可視化調(diào)查 14
2.2.4　SAS可視化數(shù)據(jù)挖掘和機器學習 15
2.2.5　相互聯(lián)系 16
2.3　SAS可視化分析功能概述 17
2.3.1　數(shù)據(jù)導(dǎo)入 17
2.3.2　數(shù)據(jù)處理 18
2.3.3　數(shù)據(jù)分析 18
2.3.4　基于Web的報表設(shè)計 22
2.4　SAS數(shù)據(jù)可視化分析的展望 24
2.5　本書內(nèi)容概述 24
2.6　本章小結(jié) 24
第3章　SAS Visual Analytics的數(shù)據(jù)訪問和準備 25
3.1　認識數(shù)據(jù)源 26
3.1.1　單一文件類型 26
3.1.2　數(shù)據(jù)庫和大數(shù)據(jù)存儲 27
3.2　使用Administrator管理LASR服務(wù)器 27
3.2.1　創(chuàng)建LASR服務(wù)器 29
3.2.2　創(chuàng)建并配置HDFS目錄 32
3.2.3　啟動LASR服務(wù)器 33
3.2.4　加載單一SAS數(shù)據(jù)集 34
3.2.5　加載HDFS數(shù)據(jù) 35
3.2.6　高級數(shù)據(jù)管理 38
3.3　準備數(shù)據(jù)的最佳實踐 39
3.4　如何使用Visual Data Builder準備數(shù)據(jù) 42
3.4.1　使用Visual Data Builder的場景 42
3.4.2　導(dǎo)入數(shù)據(jù) 43
3.4.3　表查詢和表連接 46
3.4.4　導(dǎo)入Information Map查詢 50
3.4.5　追加表 52
3.4.6　創(chuàng)建LASR星型表 53
3.5　本章小結(jié) 56
第4章　標準報表與定制化報表分析 57
4.1　SAS Visual Analytics Designer和Visual Analytics Graph Builder介紹 57
4.1.1　SAS Visual Analytics Designer 57
4.1.2　SAS Visual Analytics Graph Builder 57
4.2　創(chuàng)建標準報表 58
4.2.1　使用各類報表對象 58
4.2.2　在SAS Visual Analytics Designer中處理和分析數(shù)據(jù) 58
4.2.3　報表過濾，報表交互，報表鏈接 62
4.2.4　使用報表中的參數(shù) 68
4.3　創(chuàng)建定制化報表 71
4.4　共享報表 72
4.5　本章小結(jié) 74
第5章　鉆取查詢與儀表盤 75
5.1　創(chuàng)建鉆取查詢報表 76
5.1.1　創(chuàng)建層次，生成鉆取查詢報表 76
5.1.2　編輯層次，更新鉆取查詢報表 80
5.1.3　創(chuàng)建時間層次，生成鉆取查詢報表 82
5.1.4　從可視化圖形中創(chuàng)建層次 82
5.2　創(chuàng)建儀表盤 83
5.3　本章小結(jié) 84
第6章　可視化統(tǒng)計分析與預(yù)測模型 85
6.1　SAS Visual Statistics介紹 85
6.2　SAS Visual Statistics用戶界面以及架構(gòu) 86
6.3　探索性數(shù)據(jù)分析 87
6.3.1　探索性數(shù)據(jù)分析簡介 87
6.3.2　SAS Visual Statistics實現(xiàn)探索性數(shù)據(jù)分析 88
6.4　線性回歸模型 90
6.4.1　線性回歸模型簡介 91
6.4.2　SAS Visual Statistics線性回歸可視化分析 92
6.4.3　SAS Visual Statistics線性回歸模型舉例 95
6.5　邏輯回歸 101
6.5.1　邏輯回歸模型簡介 101
6.5.2　SAS Visual Statistics邏輯回歸可視化分析 103
6.5.3　SAS Visual Statistics邏輯回歸模型舉例 104
6.6　廣義線性模型 107
6.6.1　廣義線性模型簡介 107
6.6.2　SAS Visual Statistics廣義線性模型可視化分析 107
6.6.3　SAS Visual Statistics廣義線性模型舉例 108
6.7　決策樹 110
6.7.1　決策樹模型簡介 110
6.7.2　SAS Visual Statistics決策樹可視化分析 112
6.7.3　SAS Visual Statistics決策樹模型舉例 113
6.8　聚類 116
6.8.1　聚類分析簡介 116
6.8.2　SAS Visual Statistics聚類可視化分析 117
6.8.3　SAS Visual Statistics聚類分析舉例 117
6.9　模型比較和模型評分 120
6.9.1　模型比較 120
6.9.2　模型比較可視化界面 120
6.9.3　模型評分 122
6.10　本章小結(jié) 123
第7章　可視化調(diào)查 124
7.1　SAS Visual Investigator介紹 124
7.2　SAS Visual Investigator的主要功能和系統(tǒng)架構(gòu) 125
7.3　SAS Visual Investigator在預(yù)防違規(guī)或犯罪領(lǐng)域的應(yīng)用 126
7.3.1　從警報管理中發(fā)現(xiàn)高風險活動 127
7.3.2　通過實體分析發(fā)現(xiàn)風險活動的誘因 129
7.4　SAS Visual Investigator在金融欺詐及反洗錢領(lǐng)域的應(yīng)用 136
7.4.1　生成警報信息 137
7.4.2　在警報控制臺中發(fā)現(xiàn)風險 140
7.4.3　搜索實體并進行初步調(diào)查 141
7.4.4　在工作區(qū)中進行詳盡調(diào)查 142
7.4.5　使用時間滑塊進行深度挖掘 147
7.5　SAS Visual Investigator在法律、政府和社會管理方面的應(yīng)用 151
7.5.1　基于匯總報告評估風險 152
7.5.2　持續(xù)的個案監(jiān)控 155
7.6　本章小結(jié) 159
第8章　SAS可視化分析技術(shù)的企業(yè)級部署和應(yīng)用 160
8.1　企業(yè)級部署 160
8.1.1　架構(gòu)設(shè)計 161
8.1.2　大規(guī)模并行處理部署要點 175
8.1.3　后配置、驗證、調(diào)優(yōu) 186
8.2　企業(yè)級應(yīng)用的管理和安全 199
8.2.1　管