它支持SAS統計模組，使之具有傑出的力量和影響，它還通過大量數據挖掘算法增強了那些模組。SAS使用它的SEMMA方法學以提供一個能支持包括關聯、聚類、決策樹、神經元網路和統計回歸在內的廣闊範圍的模型數據挖掘工具。
基本介紹
- 外文名：SAS Enterprise Miner
- 支持：SAS統計模組
- 類型：模型數據挖掘工具
- 地方：挖掘市場
重要性,作用性,
重要性
SAS/Enterpreise Miner是在數據挖掘市場上令人敬畏的競爭者。 SAS Entelprise Miner設計為被初學者和有經驗的用戶使用。它的GUI界面是數據流驅動的，且它易於理解和使用。它允許一個分析者通過構造一個使用連結連線數據結點和處理結點的可視數據流圖建造一個模型。另外，此界面允許把處理結點直接插入到數據流中。由於支持多種模型，所以Enterprise Miner允許用戶比較(評估)不同模型並利用評估結點選擇最適合的。另外，Enterprise Miner提供了一個能產生被任何SAS應用程式所訪問的評分模型的評分結點。
SAS Enterprise Miner能運行在客戶/伺服器上或(計算機的外圍設備)能獨立運行的配置上。此外，在客戶/伺服器模式下，Enterprise Miner允許把伺服器配置成一個數據伺服器、計算伺服器或兩者的綜合。EntepnseMiner被設計成能在所有SAS支持的平台上運行。該結構支持胖客戶機配置(要求客戶機上的完全SAS許可證)以及瘦客戶機(瀏覽器)版本。
數據訪問、操縱和預處理：直接數據界面貫穿於SAS數據集。然而，數據也能通過標準SAS數據程式(例如：訪問RDBMS和PC格式數據的ACCESS被訪問。對Oracle、Informix、Sybase和DB2RDBMS的支持是通過ACCESS來實現。
數據操縱能力包括通過基本SA3引擎可用的所有特徵。此外，各種各樣的數據取樣和數據劃分技術也通過合適的EntelprjseMiner結點被支持。
作用性
數據挖掘技術、算法和應用程式：SAS Entelprise Miner支持關聯、聚類、決策樹、神經元網路和經典的統計回歸技術。
●關聯：此算法允許關聯規則勘測(例如市場劃分分析)和順序模式勘測。
●聚類：無監督學習技術用作初始知識勘測和數據可視化。
●決策樹：支持幾種決策樹技術：CHAID and Entropy Reductlon(二進制和絕對變數)和F—TESTandVarianceReduc血n(為間隔目標變數)。
●神經元網路：支持幾種神經元網路，包括多層感知器(MLP)和基於半徑的函式(RBF)。Enterpdse Miner還提供了各種各樣的轉變和報錯函式以及訓練方法。設計這些能力是為了提供比標準向後傳播網路更好的預測和運行時性能。
●回歸：Enterpdse Miner支持多種在標準SAS上已被實現的回歸技術。
Enterpdse Miner支持市場劃分分析、分類、預測模型、顧客分析、計量經濟時序的統計分析範圍、運作研究和其它許多方面。
使用工具：Entepnse Miner為構造預測模型提供了大量選項。指定過程是在可視化編程環境中通過拖拉和按下動作完成的。大量的默認集使它能對初學者合適。
Enterprise Miner為神經元網路的解釋提供了日誌檔案和SAS原始碼。
Enterprise Miner支持兩種評估模型的方法：通過模型管理器或通過評估結點。模型管理器是從特定的模型分析輸出結果的好工具。評估結點在評估模型的概況和健壯性方面很有用。兩者都支持提升表、利潤表、ROI和別的指示器。
由於評分結點能把模型存儲在SAS結構中以各以後代入數據，所以模型能通過使用評分結點被直接配置。
有經驗的用戶能利用把任意複雜的代碼併入數據流的SAS代碼結點。關於元數據，Enterprise Miner使用了與SAS系統其它部分一樣的元數據。
由於它在統計分析軟體上的豐富經驗，所以SAS開發出了一個全功能、易於使用、可靠和易於管理的系統。模型選項和算法所覆蓋的廣闊範圍、設計良好的用戶界面、現存數據商店的能力和在統計分析市場所占的巨大份額(允許一個公司獲得一個增加的SAS部件而不是一個新的工具)都可能使SAS在數據挖掘市場上取得領先位置。由於它最近剛投放市場，所以在寫此書時只能獲得少數公布的用戶基推測試。這些結果表明Enterprise Miner在可伸縮性、預測準確性和處理時間上都表現得很好。總的來說，此工具適合於企業在數據挖掘方面的套用以及CBM的全部決策支持套用。
