<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:taxo="http://purl.org/rss/1.0/modules/taxonomy/" version="2.0">
  <channel>
    <title>topic Using Weight Statement for Support Vector Machines in SAS Data Science</title>
    <link>https://communities.sas.com/t5/SAS-Data-Science/Using-Weight-Statement-for-Support-Vector-Machines/m-p/425938#M6522</link>
    <description>&lt;P&gt;Hi:&lt;/P&gt;&lt;P&gt;&amp;nbsp;I have weights that range in value from 0 to 1 (for example .05). I am able to run a weighted logistic regression using&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;proc logistic data = logistic outmodel=log_model;&lt;BR /&gt;&amp;nbsp; model&amp;nbsp; target_good_final (event='1') = &amp;amp;keep_it2&amp;nbsp; / selection = forward sle=.01;&lt;BR /&gt;&amp;nbsp; output out = stats p = prob_good_log xbeta = logit_good ;&lt;BR /&gt;&amp;nbsp; weight weight;&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;I have also been able to do the same for Neural Nets use Proc HPNeural.&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;proc&lt;/STRONG&gt; &lt;STRONG&gt;hpneural&lt;/STRONG&gt;&lt;STRONG&gt; data=&lt;/STRONG&gt;&lt;STRONG&gt;tempq&lt;/STRONG&gt;&lt;STRONG&gt;;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; input &amp;amp;&lt;/STRONG&gt;&lt;STRONG&gt;keep_it&lt;/STRONG&gt;&lt;STRONG&gt;;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; id perf_seq_num &amp;amp;target &amp;amp;validate &amp;amp;weight ;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; target &amp;amp;target / level=nom;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; hidden 100;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; hidden 50;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;partition &lt;/STRONG&gt;&lt;STRONG&gt;rolevar&lt;/STRONG&gt;&lt;STRONG&gt;=&amp;amp;validate(train=0);&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; train &lt;/STRONG&gt;&lt;STRONG&gt;outmodel&lt;/STRONG&gt;&lt;STRONG&gt;=&lt;/STRONG&gt;&lt;STRONG&gt;model_&amp;amp;model&lt;/STRONG&gt; &lt;STRONG&gt;numtries&lt;/STRONG&gt;&lt;STRONG&gt;=5 &lt;/STRONG&gt;&lt;STRONG&gt;maxiter&lt;/STRONG&gt;&lt;STRONG&gt;=1000;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; score out=&lt;/STRONG&gt;&lt;STRONG&gt;scores_&amp;amp;model&lt;/STRONG&gt;&lt;STRONG&gt;;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; code file = "&amp;amp;&lt;/STRONG&gt;&lt;STRONG&gt;codefile&lt;/STRONG&gt;&lt;STRONG&gt;";&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; weight &amp;amp;weight;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;&amp;nbsp;But I don't see how I can do this for Support Vector Machines. Proc HPSVM does not have a weight statement. Any suggestions ?&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; Thanks&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; Michael Quigley&lt;/P&gt;</description>
    <pubDate>Mon, 08 Jan 2018 23:14:08 GMT</pubDate>
    <dc:creator>quigleym</dc:creator>
    <dc:date>2018-01-08T23:14:08Z</dc:date>
    <item>
      <title>Using Weight Statement for Support Vector Machines</title>
      <link>https://communities.sas.com/t5/SAS-Data-Science/Using-Weight-Statement-for-Support-Vector-Machines/m-p/425938#M6522</link>
      <description>&lt;P&gt;Hi:&lt;/P&gt;&lt;P&gt;&amp;nbsp;I have weights that range in value from 0 to 1 (for example .05). I am able to run a weighted logistic regression using&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;proc logistic data = logistic outmodel=log_model;&lt;BR /&gt;&amp;nbsp; model&amp;nbsp; target_good_final (event='1') = &amp;amp;keep_it2&amp;nbsp; / selection = forward sle=.01;&lt;BR /&gt;&amp;nbsp; output out = stats p = prob_good_log xbeta = logit_good ;&lt;BR /&gt;&amp;nbsp; weight weight;&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;I have also been able to do the same for Neural Nets use Proc HPNeural.&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;proc&lt;/STRONG&gt; &lt;STRONG&gt;hpneural&lt;/STRONG&gt;&lt;STRONG&gt; data=&lt;/STRONG&gt;&lt;STRONG&gt;tempq&lt;/STRONG&gt;&lt;STRONG&gt;;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; input &amp;amp;&lt;/STRONG&gt;&lt;STRONG&gt;keep_it&lt;/STRONG&gt;&lt;STRONG&gt;;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; id perf_seq_num &amp;amp;target &amp;amp;validate &amp;amp;weight ;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; target &amp;amp;target / level=nom;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; hidden 100;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; hidden 50;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;partition &lt;/STRONG&gt;&lt;STRONG&gt;rolevar&lt;/STRONG&gt;&lt;STRONG&gt;=&amp;amp;validate(train=0);&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; train &lt;/STRONG&gt;&lt;STRONG&gt;outmodel&lt;/STRONG&gt;&lt;STRONG&gt;=&lt;/STRONG&gt;&lt;STRONG&gt;model_&amp;amp;model&lt;/STRONG&gt; &lt;STRONG&gt;numtries&lt;/STRONG&gt;&lt;STRONG&gt;=5 &lt;/STRONG&gt;&lt;STRONG&gt;maxiter&lt;/STRONG&gt;&lt;STRONG&gt;=1000;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; score out=&lt;/STRONG&gt;&lt;STRONG&gt;scores_&amp;amp;model&lt;/STRONG&gt;&lt;STRONG&gt;;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; code file = "&amp;amp;&lt;/STRONG&gt;&lt;STRONG&gt;codefile&lt;/STRONG&gt;&lt;STRONG&gt;";&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&lt;STRONG&gt;&amp;nbsp;&amp;nbsp; weight &amp;amp;weight;&lt;/STRONG&gt;&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;&amp;nbsp;But I don't see how I can do this for Support Vector Machines. Proc HPSVM does not have a weight statement. Any suggestions ?&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; Thanks&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; Michael Quigley&lt;/P&gt;</description>
      <pubDate>Mon, 08 Jan 2018 23:14:08 GMT</pubDate>
      <guid>https://communities.sas.com/t5/SAS-Data-Science/Using-Weight-Statement-for-Support-Vector-Machines/m-p/425938#M6522</guid>
      <dc:creator>quigleym</dc:creator>
      <dc:date>2018-01-08T23:14:08Z</dc:date>
    </item>
    <item>
      <title>Re: Using Weight Statement for Support Vector Machines</title>
      <link>https://communities.sas.com/t5/SAS-Data-Science/Using-Weight-Statement-for-Support-Vector-Machines/m-p/426667#M6535</link>
      <description>&lt;P&gt;The non-HP nodes underlying the SAS Enterprise Miner procedure do not support a WEIGHT statement and there is documentation in SAS Enterprise Miner explaining why this is the case.&amp;nbsp; Certain HP procedures which are used by SAS Enterprise Miner do support a WEIGHT statement or allow fractional frequencies without modifying them.&amp;nbsp;&amp;nbsp;&lt;/P&gt;
&lt;P&gt;&amp;nbsp;&lt;/P&gt;
&lt;P class="cs95E872D0"&gt;&lt;SPAN class="cs1B16EEB5"&gt;&lt;STRONG&gt;PROC HPSPLIT&lt;/STRONG&gt; -- This procedure is documented in the SAS/STAT documentation and does not document accepting a WEIGHT or FREQ variable in its Syntax, but it will accept a FREQ variable with fractional values. &amp;nbsp;This is likely because the use of fractional frequencies was initially used by and has historically been limited to Enterprise Miner.&lt;/SPAN&gt;&lt;/P&gt;
&lt;P class="cs95E872D0"&gt;&lt;SPAN class="cs1B16EEB5"&gt;&amp;nbsp;&lt;/SPAN&gt;&lt;/P&gt;
&lt;P class="cs95E872D0"&gt;&lt;SPAN class="cs1B16EEB5"&gt;&lt;STRONG&gt;PROC HPNEURAL&lt;/STRONG&gt; -- This procedure has a WEIGHT statement rather than a FREQ statement, but the FREQ variable is assigned to the WEIGHT statement meaning that the frequency variable will accept non-integer values without modifying them. &amp;nbsp;&lt;/SPAN&gt;&lt;/P&gt;
&lt;P class="cs95E872D0"&gt;&lt;SPAN class="cs1B16EEB5"&gt;&amp;nbsp;&lt;/SPAN&gt;&lt;/P&gt;
&lt;P class="cs95E872D0"&gt;&lt;SPAN class="cs1B16EEB5"&gt;&lt;STRONG&gt;PROC HPFOREST&lt;/STRONG&gt; -- Accepts non-integer frequencies without modification.&lt;/SPAN&gt;&lt;/P&gt;
&lt;P class="cs95E872D0"&gt;&lt;SPAN class="cs1B16EEB5"&gt;&amp;nbsp;&lt;/SPAN&gt;&lt;/P&gt;
&lt;P class="cs95E872D0"&gt;&lt;SPAN class="cs1B16EEB5"&gt;I have no additional information on any other HP procedure using non-integer frequencies.&amp;nbsp; Please note that using non-integer frequencies in procedures that do not have a WEIGHT statement can lead to certain anomalies as these are different concepts in practice.&amp;nbsp; A variable assigned as the FREQ variable is used to define the actual number of&amp;nbsp;observations represented by the row of data, whereas WEIGHT variables are usually included to try and account for certain sampling issues in an attempt to get a better estimate of error which ultimately results in more meaningful test statistics.&amp;nbsp; These same tests, however, are not as meaningful when you need to impute missing data which is often necessary for certain methods such as neural networks.&amp;nbsp; &amp;nbsp;&lt;BR /&gt;&lt;BR /&gt;Hope this helps!&lt;/SPAN&gt;&lt;/P&gt;
&lt;P class="cs95E872D0"&gt;&lt;SPAN class="cs1B16EEB5"&gt;Doug&lt;/SPAN&gt;&lt;/P&gt;</description>
      <pubDate>Wed, 10 Jan 2018 21:17:38 GMT</pubDate>
      <guid>https://communities.sas.com/t5/SAS-Data-Science/Using-Weight-Statement-for-Support-Vector-Machines/m-p/426667#M6535</guid>
      <dc:creator>DougWielenga</dc:creator>
      <dc:date>2018-01-10T21:17:38Z</dc:date>
    </item>
  </channel>
</rss>

