dtreeCode
Description
Génère du code de scoringProcessus d'application d'un modèle prédictif à de nouvelles données pour calculer une probabilité ou un score, permettant ainsi d'automatiser la prise de décision en temps réel sur SAS Viya. d'étape DATA stepBloc de programmation SAS itératif utilisé pour lire, transformer et manipuler des données ligne par ligne afin de créer des tables de sortie personnalisées et calculer de nouvelles variables. à partir d'un modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting). d'arbre de décision. Pratique pour passer rapidement de la modélisationProcessus de création de structures mathématiques ou statistiques sur SAS Viya pour prédire des comportements, classifier des données ou identifier des tendances à partir de jeux de données CAS. à la mise en production sans transpirer !
Paramètres Clés
| Nom du paramètre | Description |
|---|---|
| code | Demande à l'action de produire le code SAS. Ce paramètre permet de spécifier les options de sortie via 'casOut' (où sauvegarder le code) et de formatage (commentaires, indentation, largeur de ligne). |
| encodeName | Indique s'il faut encoder de manière simplifiée les noms des variables (ex: les probabilités prédites). Si TRUE, les prédictions utilisent le préfixe 'P_' au lieu du plus complexe '_DT_P_'. |
| modelTable | Paramètre obligatoire. Spécifie la table contenant le modèle d'arbre de décision (généralement créée au préalable avec l'action dtreeTrain). |
Préparation des données
Préparation des données et entraînement du modèle
Avant de générer le code, nous devons charger une table et entraîner un arbre de décision pour obtenir une table modèle.
| 1 | PROC CAS; |
| 2 | /* Chargement des donnees */ |
| 3 | TABLE.loadTable / path="iris.sashdat", caslib="casuser", casout={name="iris", replace=TRUE}; |
| 4 | /* Entrainement d'un modele d'arbre de decision */ |
| 5 | decisionTree.dtreeTrain / |
| 6 | TABLE={name="iris"} |
| 7 | target="Species" |
| 8 | inputs={"SepalLength", "SepalWidth", "PetalLength", "PetalWidth"} |
| 9 | casOut={name="modele_arbre_iris", replace=TRUE}; |
| 10 | QUIT; |
Exemples d'utilisation
Génération de code basique
Exemple simple pour générer le code de scoring d'un arbre de décision et le stocker dans une table CAS.
| 1 | PROC CAS; |
| 2 | decisionTree.dtreeCode / |
| 3 | modelTable={name="modele_arbre_iris"} |
| 4 | code={casOut={name="code_scoring_iris", replace=TRUE}}; |
| 5 | QUIT; |
Résultat Attendu :
Génération de code avec formatage avancé et encodage
Génération du code avec des options esthétiques : ajout de commentaires, une taille d'indentation personnalisée à 4 espaces, et un renommage simplifié des prédictions ('P_' au lieu de '_DT_P_').
| 1 | PROC CAS; |
| 2 | decisionTree.dtreeCode / |
| 3 | modelTable={name="modele_arbre_iris", caslib="casuser"} |
| 4 | encodeName=TRUE |
| 5 | code={ |
| 6 | casOut={name="code_scoring_pro", caslib="casuser", replace=TRUE}, |
| 7 | comment=TRUE, |
| 8 | indentSize=4, |
| 9 | lineSize=120 |
| 10 | }; |
| 11 | QUIT; |