Visual Statistics 提供原生整合至 Python Pandas DataFrames。Python 程式設計人員可上傳DataFrames 至 CAS，並從 CAS 擷取結果作為DataFrames，與其他 Python 套件 (如 Pandas、matplotlib、Plotly 及 Bokeh 等) 互動。除了Python以外，使用者能夠自己選擇程式設計語言如Java、R 及 Lua 等語言，不必學習如何在 SAS 進行程式設計，就能體驗 SAS Visual Statistics 的強大功能。他們能由其他編碼環境，彈性存取深獲信任及通過測試的 SAS 機器學習和統計演算法。

處理大型複雜資料時，分群和決策樹等維度縮減技術可提升建模準確度。您可探索及評估群組，利用 k 平均值分群法、散佈圖及詳細的摘要統計進行分析。決策樹可建構用於分類及迴歸。建立決策樹後，您可利用互動方式修剪樹及訓練子樹。

模型建立後，就可由視覺化或程式設計介面，利用各式統計比較摘要 (如增益圖、ROC 曲線、協調性統計，以及分類錯誤率表格)，來比較及評估一個以上的模型。視覺化介面提供互動式滑桿，可讓您變換切點，以輕鬆的視覺化方式評估不同深度的增益 (lift) 變化。結合模型配適結果與模型診斷，可讓模型評估功能可讓您比較模型以選擇最佳模型。

SAS的羅吉斯迴歸功能能達到：Logit 與常態連結函數 (probit link) 的二元分類模型、影響統計、支援向前向後與逐步及 Lasso 變數選擇、次數與加權變數、殘差值診斷。摘要表包括模型維度、迭代歷史、適配統計、收斂狀態、Type III 檢定表、參數估計以及模型回應結果。豐富而直覺的經典統計方法，SAS帶您快速上手。

Visual Statistics可讓您以互動方式探索資料，並使用視覺化的拖放介面或程式設計介面，建立描述及預測模型。資料科學家能夠與分析人員協同合作，優化模型以取得更理想的洞察。分散式In-Memory 處理可縮短資料探索及模型開發時間。統計人員、資料科學家、程式設計人員和一般分析人員，我們能幫助其建立、優化及評估預測模型，以獲得強大的洞見。