<?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 Re: How to implement Evolutionary Solver xls in SAS in Statistical Procedures</title>
    <link>https://communities.sas.com/t5/Statistical-Procedures/How-to-implement-Evolutionary-Solver-xls-in-SAS/m-p/457955#M23881</link>
    <description>&lt;P&gt;Since you mention PROC GA, which implements a genetic algorithm, I will mention that PROC IML also has &lt;A href="http://go.documentation.sas.com/?docsetId=imlug&amp;amp;docsetTarget=imlug_geneticalgs_toc.htm&amp;amp;docsetVersion=14.3&amp;amp;locale=en" target="_self"&gt;an implementation of a genetic algorithm.&lt;/A&gt;&amp;nbsp;There are many examples in the doc.&lt;/P&gt;</description>
    <pubDate>Thu, 26 Apr 2018 20:55:27 GMT</pubDate>
    <dc:creator>Rick_SAS</dc:creator>
    <dc:date>2018-04-26T20:55:27Z</dc:date>
    <item>
      <title>How to implement Evolutionary Solver xls in SAS</title>
      <link>https://communities.sas.com/t5/Statistical-Procedures/How-to-implement-Evolutionary-Solver-xls-in-SAS/m-p/457655#M23865</link>
      <description>&lt;P&gt;Hello guys,&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;I need your help in implementing the Evolutionary Solver from Excel (or similar) in SAS.&lt;/P&gt;&lt;P&gt;I have to optimize the confusion matrix and Matthew correlation coeff.&lt;/P&gt;&lt;P&gt;In my table I have the predicted condition which is affected by the solver condition.&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;My table&lt;/P&gt;&lt;P&gt;A&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; B&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; &amp;nbsp; ln(A)&amp;nbsp;&amp;nbsp;&amp;nbsp; ln(B)&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; Predicted_cond&amp;nbsp; Observed_Condition&lt;/P&gt;&lt;P&gt;1.02&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.01&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.02&amp;nbsp;&amp;nbsp;&amp;nbsp; -4.61&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 1&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; 1&lt;/P&gt;&lt;P&gt;1.03&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.01&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.03 &amp;nbsp;&amp;nbsp;&amp;nbsp; -4.61&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 1&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; 0&lt;/P&gt;&lt;P&gt;1.01&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.001&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.01 &amp;nbsp;&amp;nbsp;&amp;nbsp; -6.91 &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0 &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; 0&lt;/P&gt;&lt;P&gt;1.01&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.001&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.01 &amp;nbsp;&amp;nbsp;&amp;nbsp; -6.91 &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0 &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; 1&lt;/P&gt;&lt;P&gt;1.13&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.001&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.12 &amp;nbsp;&amp;nbsp;&amp;nbsp; -6.91 &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0 &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; 0&lt;/P&gt;&lt;P&gt;1&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.001&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0 &amp;nbsp;&amp;nbsp; &amp;nbsp; &amp;nbsp; &amp;nbsp;&amp;nbsp; -6.91 &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0 &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; 0&lt;/P&gt;&lt;P&gt;1.37 &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.01&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.31 &amp;nbsp;&amp;nbsp;&amp;nbsp; -6.91 &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 1 &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; 0&lt;/P&gt;&lt;P&gt;1.16&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.001&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0.15 &amp;nbsp;&amp;nbsp;&amp;nbsp; -6.91 &amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 0 &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; 1&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;predicted_cond=1 if A&amp;gt;exp(avg(alpha)) and B&amp;gt;exp(avg(beta))&amp;nbsp;&lt;/P&gt;&lt;P&gt;Based on predicted and observed condition Matthew Correlation Coefficient (MCC) is computed.&lt;/P&gt;&lt;P&gt;My objective is to maximize MCC, taking in account that predicted condition is dynamic.&lt;/P&gt;&lt;P&gt;Values to be change in order to maximize the MCC are&amp;nbsp;&lt;SPAN&gt;exp(avg(alpha)) and exp(avg(beta)) .&lt;/SPAN&gt;&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;&amp;nbsp;I saw that proc GA has the capability to solve this, but I don't figure out how to implement it.&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;Thanks,&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;&lt;P&gt;&amp;nbsp;&lt;/P&gt;</description>
      <pubDate>Thu, 26 Apr 2018 20:16:07 GMT</pubDate>
      <guid>https://communities.sas.com/t5/Statistical-Procedures/How-to-implement-Evolutionary-Solver-xls-in-SAS/m-p/457655#M23865</guid>
      <dc:creator>Alexa_Rau</dc:creator>
      <dc:date>2018-04-26T20:16:07Z</dc:date>
    </item>
    <item>
      <title>Re: How to implement Evolutionary Solver xls in SAS</title>
      <link>https://communities.sas.com/t5/Statistical-Procedures/How-to-implement-Evolutionary-Solver-xls-in-SAS/m-p/457955#M23881</link>
      <description>&lt;P&gt;Since you mention PROC GA, which implements a genetic algorithm, I will mention that PROC IML also has &lt;A href="http://go.documentation.sas.com/?docsetId=imlug&amp;amp;docsetTarget=imlug_geneticalgs_toc.htm&amp;amp;docsetVersion=14.3&amp;amp;locale=en" target="_self"&gt;an implementation of a genetic algorithm.&lt;/A&gt;&amp;nbsp;There are many examples in the doc.&lt;/P&gt;</description>
      <pubDate>Thu, 26 Apr 2018 20:55:27 GMT</pubDate>
      <guid>https://communities.sas.com/t5/Statistical-Procedures/How-to-implement-Evolutionary-Solver-xls-in-SAS/m-p/457955#M23881</guid>
      <dc:creator>Rick_SAS</dc:creator>
      <dc:date>2018-04-26T20:55:27Z</dc:date>
    </item>
  </channel>
</rss>

