L'action brTrain du moteur SAS Cloud Analytic ServicesMoteur analytique distribué et en mémoire (in-memory) au cœur de SAS Viya. Il assure le traitement des données et l'exécution des modèles avec une très haute performance. (CAS) est conçue pour extraire des règles logiques à partir de données textuelles. Contrairement aux modèles de type boîte noire, cette action génère des combinaisons de termes liées par des opérateurs logiques ET, OU et NON. Pour une entreprise, cela signifie la possibilité de créer des systèmes de classification de documents ou de détection de signaux faibles qui sont immédiatement compréhensibles et modifiables par les experts métier.
Comment transformer vos volumes de textes en règles de décision métier transparentes ?
De l'Indice Textuel à la Règle Métier
Exemples pour l'action brTrain
Extraction de règles de base
Un exemple minimaliste pour extraire des règles binaires à partir des tables générées précédemment.
Entraînement avec réglages de précision et multiclasse
Ici, on ajuste les paramètres de score G et on demande explicitement un traitement binaire sur une cible spécifique pour être plus sélectif.
Conseil de l'Expert
Pour optimiser la précision de vos règles, ne négligez pas l'étape de parsing préalable avec l'action tpParse. L'utilisation d'une liste de "stop words" personnalisée et la lemmatisation permettent à brTrain de se concentrer sur les termes porteurs de sens, évitant ainsi la création de règles bruitées ou redondantes.
Architecture Technique et Optimisation des Règles
- Moteur d'Apprentissage Heuristique : L'action utilise des algorithmes de recherche gloutonne pour identifier les combinaisons de termes qui maximisent le gain d'information (généralement mesuré par l'entropie ou l'indice de Gini).
- Format de Sortie "Human-Readable" : Le modèle produit une table de règles au format SAN (Simple Analytics Notation), directement interprétable sous forme de clauses IF-THEN-ELSE.
- Contrôle de la Complexité : Les paramètres maxDepth (nombre de termes par règle) et minCandidateSupport permettent de calibrer la robustesse des règles face au sur-apprentissage.
Cette réponse vous a-t-elle aidé ?
À lire aussi...
Pourquoi l action brTrain est-elle indispensable pour l auditabilité de vos modèles ?
Comment le G-Score et le M-Estimation garantissent-ils la précision de vos règles ?
Comment brTrain gère-t-il la performance sur des millions de documents ?
Quels livrables concrets obtenez-vous après l exécution de cette action ?
Quels sont les composants clés pour configurer un pipeline d extraction de règles réussi ?