SAS数据集

这份资源包含SAS判别分析的实验结果以及对应的数据集。

在SAS系统中，创建数据集的方法主要有三种：1. 使用传统的SAS数据步程序；2. 利用SAS/FSP软件中的FSEDIT和FSVIEW过程；3. 使用SAS/ACCESS软件访问其他数据库。

浏览和修改SAS数据集需要使用ViewTable进行浏览、编辑，并使用Proc Print来输出。在SAS系统中，操作前需设定好SAS数据库，确保数据集存储在正确的数据库中。

该代码示例展示了如何使用SAS代码将多个堆叠的JSON文件流式传输到SAS数据集中。代码中利用了SAS的 JSON 引擎和 filename 语句，通过循环读取每个JSON文件并将其内容追加到SAS数据集中。 具体操作步骤如下： 使用 filename 语句定义指向JSON文件的路径。 使用 JSON 引擎创建一个 infile 语句，并指定要读取的JSON文件。 使用 input 语句定义要从JSON文件中读取的变量和数据类型。 使用 do while 循环读取所有JSON文件，并将数据追加到SAS数据集中。 请注意，此代码示例需要根据实际情况进行修改，例如JSON文件路径、变量名和数据

包含推荐系统算法开发和评估所需的用户评分、电影元数据和标签。

该数据集包含 PCA 分析的数据。

SAS 的学习资料，内容还挺全的，适合想提升数据技能的你。压缩包里有一份讲得比较细的大数据讲义，讲了怎么用 SAS 搞数据清洗、整合还有，像是用SAS/ACCESS、SAS Viya这些东西 PB 级数据那种场景也有讲到，思路还挺实战的。跨语言整合这块也没落下，资料里有SAS 调用 R 和 Python的例子，像用PROC IML搞 R 脚本执行，或者在 SAS 里跑 Python 函数什么的。如果你平常写 R 或者 Python 比较多，那这个整合用起来就顺手。再说说SPSS的部分，内容比较偏 R 和 Python 怎么操作.sav文件，像用 R 的foreign包或 Python 的pan

包含 Seaborn 可视化库所需的所有基础数据集。

MNIST 数据集已打包，内含训练和测试数据。

标签推荐算法中常用的数据集，源自Lastfm。