pls
Description
Ajuste des modèles en utilisant l'une des méthodes prédictives linéairesModèles statistiques estimant une variable cible par une combinaison linéaire de variables explicatives, minimisant l'écart entre prévisions et observations pour identifier des tendances., y compris les moindres carrés partiels (Partial Least SquaresMéthode de régression itérative qui réduit la dimensionnalité en créant des variables latentes maximisant la covariance entre les prédicteurs et la réponse, idéale pour les données corrélées.). De quoi régaler vos résidus avec une bonne dose de prédictions, le tout servi sur un plateau d'argent ! Prêt à trouver la ligne parfaite ?
Paramètres Clés
| Nom du paramètre | Description |
|---|---|
| attributes | Modifie les attributs des variables utilisées dans cette action. Actuellement, les attributs spécifiés pour les paramètres d'entrées et nominaux sont ignorés. |
| cenScale | Si défini sur True, affiche les informations de centrage et de mise à l'échelle. |
| class | Spécifie les variables de classification à utiliser comme variables explicatives dans l'analyse. |
| classGlobalOptions | Spécifie les options qui s'appliquent à toutes les variables de classification. |
| classLevelsPrint | Si défini sur False, supprime l'affichage des niveaux de classe. |
| collection | Définit un ensemble de variables qui sont traitées comme un effet unique avec plusieurs degrés de liberté. |
| cvTest | Effectue le test de comparaison de modèles basé sur la randomisation de van der Voet. |
| details | Si défini sur True, affiche les détails du modèle ajusté. |
| display | Spécifie une liste de tables de résultats à envoyer au client pour affichage. |
| groupbyLimit | Supprime l'analyse si le nombre de groupes BY dépasse la valeur spécifiée. |
| inputs | Spécifie les variables à utiliser pour l'analyse. |
| method | Spécifie les paramètres de la méthode générale d'extraction de facteurs. |
| model | Spécifie les réponses et les prédicteurs, qui déterminent respectivement les matrices Y et X du modèle. |
| multimember | Utilise une ou plusieurs variables de classification spécifiées dans le paramètre vars de manière à ce que chaque observation puisse être associée à un ou plusieurs niveaux de l'union des niveaux des variables de classification. |
| nClassLevelsPrint | Limite l'affichage des niveaux de classe. La valeur 0 supprime tous les niveaux. |
| nFactors | Spécifie le nombre de facteurs à extraire. |
| noCenter | Si défini sur True, supprime le centrage des réponses et des prédicteurs avant l'ajustement. |
| noCVStdize | Si défini sur True, supprime le récentrage et la remise à l'échelle des réponses et des prédicteurs lors de la validation croisée. |
| nominals | Spécifie les variables nominales à utiliser pour l'analyse. |
| noScale | Si défini sur True, supprime la mise à l'échelle des réponses et des prédicteurs avant l'ajustement. |
| output | Crée une table de données sur le serveur qui contient des statistiques par observation, qui sont calculées après l'ajustement du modèle. |
| outputTables | Liste les noms des tables de résultats à enregistrer en tant que tables CAS sur le serveur. |
| partitionByFrac | Spécifie les fractions des données à utiliser pour l'entraînement et les tests. |
| partitionByVar | Spécifie la variable et ses valeurs utilisées pour partitionner les données dans des rôles d'entraînement et de test. |
| polynomial | Spécifie un effet polynomial. Toutes les variables spécifiées doivent être numériques. |
| spline | Développe les variables en bases de splines dont la forme dépend des paramètres spécifiés. |
| table | Spécifie les paramètres de la table d'entrée. |
| target | Spécifie la variable cible à utiliser pour l'analyse. |
| varss | Si défini sur True, affiche la quantité de variation prise en compte dans chaque réponse et prédicteur. |
Préparation des données
Création de la table de données d'exemple
Ce code charge la table d'exemple `sashelp.cars` dans la mémoire CAS pour qu'on puisse l'analyser avec l'action pls.
| 1 | PROC CASUTIL; load DATA=sashelp.cars casout='cars' replace; QUIT; |
Exemples d'utilisation
Ajustement d'un modèle PLS simple
Ce code ajuste un modèle prédictif linéaire en utilisant les moindres carrés partiels.
| 1 | PROC CAS; pls.pls / TABLE='cars', target='MSRP', inputs={'EngineSize', 'Cylinders', 'Horsepower', 'Weight'}, method={name='PLS'}, nFactors=2; RUN; QUIT; |
Résultat Attendu :
Modèle PLS avancé avec validation croisée et génération de prédictions
Cet exemple montre comment ajuster un modèle PLS avec %%validation croisée%% de Van der Voet, créer une table de sortie avec les prédictions, et spécifier des variables de classe (catégorielles).
| 1 | PROC CAS; pls.pls / TABLE='cars', target='MSRP', class={'Make', 'Type'}, inputs={'Make', 'Type', 'EngineSize', 'Cylinders', 'Horsepower', 'Weight'}, method={name='PLS'}, nFactors=3, cvTest={stat='PRESS', nSamp=100}, OUTPUT={casOut={name='pls_out', replace=true}, predicted='Pred_MSRP', xResidual='XResid', yResidual='YResid'}; RUN; QUIT; |