安裝 SAS 9.4 Foundation 時，首先SAS部署精靈會先確認系統需求，先更新必要系統元件 (Windows Update)；然後安裝SAS 9.4 Foundation。   Step1: 請關閉其他應用程式。例如：防毒軟體、翻譯軟體等。 Step2: 至SAS Software Depot目錄下，執行【setup.exe】進行安裝。  作業系統為 Win7後的版本，請按滑鼠右鍵，點選系統管理員身分執行進行安裝。     Step3：出現以下畫面，開始執行安裝步驟。     Step4: 確認安裝過程中顯示語言後，點選【確定】。     Step5：出現以下畫面，開始執行安裝步驟。     Step6: 出現部署工作畫面後，點選【安裝SAS 軟體】，再選【下一步】。     Step7: 指定SAS主目錄後，點選【下一步】。     [注意此步驟] Step8: 出現以下畫面後，點選【安裝SAS Foundation和相關的軟體】， 再選【下一步】。     Step9: 除了預設安裝產品外，請確認有新增 SAS

SAS 9.4 Foundation解除安裝步驟 1.      至控制台 > 系統管理工具 > 服務停止所有 SAS 服務。 使用工作管理員確認無 SAS程序執行,如:sas.exe, spawner.exe, objspawn.exe, sasmc.exe, and so on.  2.      至控制台 > 所有控制台項目 > 程式和功能將SAS解除安裝。 Step1: 選擇SAS 9.4按滑鼠右鍵，點選 解除安裝。     Step2: 出現安裝語言畫面後，點選 確定。     Step3: 出現以下畫面，開始執行解除安裝步驟。     Step4: 出現解除安裝的SAS產品畫面後，點選 下一步。     Step5: 出現系統檢查SAS安裝套件。     Step6:

    安裝SAS時，需使用英文的電腦名稱及電腦登入帳號(使用者帳號)。   [Note] 確認使用者帳號步驟: 在電腦搜尋處輸入 cmd ，開啟【命令提示字元】，確認電腦登入帳號(使用者帳號)。 Q: 如果使用者名稱不是英文怎麼辦? 解決方法  新增一個「英文」且具有「管理者權限」帳號。 Step 1：【控制台】>【使用者帳戶】，點選【管理其他帳戶】>【建立新的帳戶】 Step 2：請務必建立具有「系統管理員」身份的英文帳號。 安裝帳號需有系統管理者(Administrator)的權限；且對所安裝的目錄要有寫入的權限。   [Note] 確認電腦名稱: 在電腦搜尋處輸入 cmd ，開啟【命令提示字元】，輸入「ipconfig/all」，主機名稱為電腦名稱 Q: 如果電腦名稱不是英文怎麼辦? 請至控制台>系統及安全性>系統 在以下點選「變更設定」＞變更 > 將電腦名稱改為英文的名稱後 > 點選確定 > 再重新關機 [Note] 因Windows 7(含)之後的版本要求， 安裝SAS時，請在安裝程式上   按滑鼠右鍵，選擇【以系統管理員身分執行】。 請勿使用相容性模式執行安裝。 安裝之前必須先將防毒軟體、翻譯軟體等常駐程式暫時停止，同時建議把其他與安裝無關之應用程式暫時關閉以加速安裝程式的進行。   [Note] 安裝之前需先準備好SAS授權檔( SAS Installation Data )，並請確認： SID是否過期？使用記事本開啟授權檔，檢查SID之

  Step1: 開啟SAS Software Depot 中【utilities】>【depotchecker】，點選滑鼠右鍵並【以系統管理員身分執行】，執行【SASDepotCheck.exe】。   Step2: 出現以下畫面後，點選【Run】。   Step3: 選擇安裝過程語言後，點選【確定】。   Step4: 啟動 SAS Software Depot Checker Utility。   Step5: 指定您建立的SAS Software Depot路徑後，點選【下一步】。 (預設為C:\SAS Software Depot)     Step6: 出現以下畫面後，點選【開始】。開始檢查SAS Software Depot。     Step7: 檢查報表結果，確認檔案完整並無缺損後，點選【完成】。     Step8: 出現以下畫面後，點選【Finish】完成SAS Depot檢查。    

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。