Q: EM 在建立專案時，出現「指定的 SAS 伺服器目錄沒有寫入權限」，如何修正?   A: 請將伺服器目錄修改為其他路徑即可，例如桌面、我的文件等

決策樹結果重在商業邏輯的解釋 決策樹不似其他預測模型方法，依照每一觀察者的不同的特徵屬性值，計算出各自的發生機率值，它則是某一區間內的特徵屬性給定一個分數，歸屬在同一條預測規則下的觀測點，都會給定同一個值，發生機率都會判定相同，所以會有一定的誤差值。也就造成決策樹的準確度雖然不是最佳，但由於其容易表達、方便解讀，對於入門data mining的初階miner，賽博士卻是大大推薦決策樹一定要好好學習。模型的準確度在初學時，常會被我們認為是分析結果的重點。事實上，模型結果具有商業解釋性才更勝於一切，模型看似準確高，但產出的模型結果卻是分析人員或產業專家無法解釋，其實就等於是無用的模型。而模型準確度也可透過資料的處理或重要衍生變數的投入，提升模型的準度。準度也必需要禁得起時間的考驗，也就是每定期的模型驗證，來確定模型的穩定性。過度配適(model over-fitting)也可能造成一時的模型預測正確率很高，但幾期的時間觀察下來，卻發現模型越來越失準。(模型評估的方法，我們可以另闢一期來特別說明)。

介紹完如何運用SAS EM的關聯分析節點進行購物籃分析，是不是覺得運用EM進行購物籃分析不是件難事? 此外，關聯分析容易產生大量的關聯規則，但並不一定每一個都是有用的，有些關聯規則是業務老手早已知道的規則，有些則無法解釋，都必須一一剔除。所以這些資料解讀與處理程序，也是購物籃分析的重點之一。

前幾期介紹的決策樹、迴歸分析、類神經網路等都屬於資料探勘中預測模型的演算方法。所謂模型預測，即是有所謂的預測目標變數值的產出。

Transform Variables node變數轉換的案例情境說明   延續『如何運用SAS EM進行變數處理與衍生變數產生(中)』文章說明   4. 利用「Formula衍生變數編輯區」進行衍生變數處理   【情境說明】 -產生衍生變數公式編輯計算逾期週期 -運用SAS 運算函數進行變數轉換 step1.  點選參數列內的「Formulas」選項，進入衍生變數編輯區進行衍生變數處理。   圖一、Transform Variables Node參數列   step2.  點選「Formula衍生變數編輯區」視窗左上列的 (新增衍生變數鈕) 列內的「Formulas」選項，進入衍生變數編輯區進行衍生變數處理。   圖二、Formula衍生變數編輯區   step3.  點選「Build...」進入「Expression Builder」衍生變數公式編輯區。除了簡單的四則運算式編輯外，在編輯區下方提供各類運算函式，以利分析者進行進階演算式產出。 位於函數區旁的另一個頁籤，則完整列出原始資料集的變數清單，分析者無須記憶變數名稱，可透過點選拖曳方式將進階處理的變數投放入編輯區。   圖三、Formula衍生變數編輯區--新增變數   step4.  產生衍生變數一：「Delinq_Freq逾期週期」，衍生變數公式：IMP_CLAGE(貸款往來期間)/IMP_DELINQ (逾期次數)。 從「Variables List原始變數列表區」選取變數IMP_CLAGE及IMP_DELINQ，點選「Insert」將欲處理之變數置放於衍生變數公式編輯區進行上述公式編輯。   圖四、Formula衍生變數編輯區--變數公式編輯與變數命名 step5.  點選「OK」，完成衍生變數新增。   step6.  產生衍生變數二：「LOG_YOJ工作年資對數化」，衍生變數公式：LOG (IMP_YOJ)。 重複Step2、Step3 進行衍生變數新增程序，從「Functions函數區」選取 Log

　　SEMMA 方法論第一步的「S」即為Sample，此處的Sample有多個意涵，一為分析樣本的定義，如何從分析母體抽取適當的樣本資料，以及如何選擇最適抽樣。SEMMA方法論告訴分析者當進行分析建模時，我們應取用樣本資料而不是直接匯入母體資料進行建模程序。同時，母體資料不一定是資料庫裡的全體觀測值，端賴分析的主題來進行分析樣本的定義與確認。