explainModel

partialDependence

##set_explainmodel

Description

Calcule la dépendance partielle 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). déjà entraîné. (Parce que comprendre 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). à 100% c'est bien, mais comprendre ses dépendances partielles c'est un excellent début ! 😄) Source :

Syntaxe Officielle
explainModel.partialDependence <result=results> <status=rc> /
analysisVariable={
levelIndexVariable="string",
levelsTable={castable},
max=double,
maxLevels=64-bit-integer,
min=double,
name="variable-name",
nBins=64-bit-integer,
reportMissing=TRUE | FALSE
},
analysisVariable2={analysisVariable},
code="string",
display={displayTables},
freq="variable-name",
inputs={{casinvardesc-1} <, {casinvardesc-2}, ...>},
logLevel=integer,
modelTable={castable},
modelTables={{castable-1} <, {castable-2}, ...>},
modelTableType="ASTORE" | "DATASTEP",
nominals={{casinvardesc-1} <, {casinvardesc-2}, ...>},
output={pdOutput},
outputTables={outputTables},
predictedTarget="string",
replicateType="CUTPOINTS" | "MIDPOINTS",
sampleSize=64-bit-integer,
seed=double,
table={castable},
weight="variable-name";

Paramètres Clés

Nom du paramètre Description
analysisVariable Spécifie la variable d'analyse et ses attributs associés.
analysisVariable2 Spécifie la deuxième variable d'analyse et ses attributs associés.
code Spécifie le code de l'étape DATA qui décrit le modèle ou le code DS2 utilisé avec un magasin analytique (analytic store) spécifié dans le paramètre modelTable ou modelTables.
display Spécifie une liste de tables de résultats à envoyer au client pour affichage.
freq Nomme la variable numérique qui contient la fréquence d'occurrence de chaque observation.
inputs Spécifie les variables d'entrée du modèle à utiliser dans l'analyse.
logLevel Spécifie une valeur pour contrôler la quantité de notes à imprimer dans le journal du client.
modelTable Spécifie la table d'entrée qui contient le modèle à expliquer. Cette table doit contenir un analytic store ou du code de score d'étape DATA.
modelTables Spécifie les tables d'entrée qui contiennent le modèle à expliquer.
modelTableType Spécifie le type de scoring que contient la table de modèle (ASTORE ou DATASTEP).
nominals Spécifie les variables d'entrée nominales du modèle à utiliser dans l'analyse.
output Spécifie la table de sortie des réplicats de données scorées. Cette table peut être utilisée pour tracer des courbes d'espérance conditionnelle individuelle.
outputTables Liste les noms des tables de résultats à enregistrer sous forme de tables CAS sur le serveur.
predictedTarget Spécifie la variable qui contient les prédictions du modèle. La variable a typiquement un préfixe P_.
replicateType Spécifie s'il faut répliquer les points de coupure de regroupement ou les points médians pour une variable d'analyse d'intervalle.
sampleSize Spécifie le nombre approximatif d'observations à échantillonner dans la table de données d'entrée.
seed Spécifie la valeur de départ (seed) pour la génération de nombres aléatoires.
table Spécifie la table de données d'entrée.
weight Nomme la variable numérique à utiliser pour effectuer une analyse pondérée des données.

Exemples d'utilisation


Aucun exemple disponible pour cette action CAS.
Sommaire