Valoriser le signal des données manquantes avec SAS Viya

Valeurs manquantes en analytique : comment éviter de perdre de précieuses informations lors de la préparation de données ? - binning

Dans les ensembles de données d'entreprise, les valeurs manquantes contiennent très souvent un signal prédictif fort, comme l'omission volontaire d'une information par un client. L'action gère cette réalité métier intelligemment grâce au paramètre binMissing.

Lorsqu'il est défini sur vrai, les valeurs manquantes ne sont pas purgées de votre plan de données, mais sont automatiquement isolées et assignées à une classe dédiée portant l'identifiant zéro. Cela permet à vos algorithmes d'apprentissage automatique de capturer spécifiquement le comportement lié à cette absence d'information, tout en maintenant le volume de votre table d'entrée intact pour un entraînement optimal.

Exemples pour l'action binning

Binning par défaut (Bucket)

Découvrez cet exemple pour l'action CAS binning qui discrétise 'MSRP' en 5 intervalles égaux (Bucket). Il génère des bins calculés in-memory, optimisant la linéarité pour vos futurs modèles SAS Viya.

Transformation complexe avec Quantiles et génération de code

Cet exemple illustre le binning par quantiles in-memory : il équilibre les effectifs, isole les manquants et exporte la logique en DATA Step pour automatiser vos pipelines de scoring SAS Viya.

Conseil de l'Expert

Ne vous contentez jamais d'une simple imputation (moyenne/médiane) sans avoir testé le paramètre binMissing. En analytique moderne, l'absence d'information est une information en soi. L'imputation "écrase" ce signal métier et peut introduire un biais de sélection si la donnée n'est pas manquante de manière aléatoire (MNAR - Missing Not At Random).

Maîtrise technique du traitement des données manquantes sous CAS

Isolation dans le Bin 0 : L'action dataPreprocess.binning crée dynamiquement un compartiment spécifique (ID 0) pour les nuls, permettant au modèle d'estimer un poids spécifique pour l'absence de donnée.
Optimisation In-Memory : Contrairement à l'étape DATA classique, l'utilisation de binMissing=True dans les actions CAS évite la duplication physique des données sur le disque en traitant la logique au niveau des métadonnées de partitionnement.
Traçabilité des Scores : L'utilisation de binning pour les manquants garantit qu'en phase de déploiement (Scoring), une valeur nulle sera traitée de manière déterministe selon la logique apprise, évitant les erreurs de runtime.

Cette réponse vous a-t-elle aidé ?

Vos votes aident à améliorer notre base de connaissances.

Action CAS associée

dataPreprocess

binning