L'Action Correlation : Le Gardien de la Stabilité de CAS

L'action correlation du Simple Analytics Action Set est fondamentale pour comprendre les relations linéaires entre vos variables continues avant même d'entraîner un algorithme de Machine Learning. Exécutée massivement en parallèle sur le moteur in-memory CAS Cloud Analytic Services, elle calcule les coefficients de corrélation de Pearson à une vitesse foudroyante. En identifiant rapidement la colinéarité entre vos variables via le paramètre inputs, vous pouvez écarter les données redondantes, optimisant ainsi les performances de vos plans de données et la précision de vos modèles prédictifs finaux.

Pourquoi l'action correlation est-elle le moteur caché de vos modèles prédictifs sur SAS Viya ? - correlation

L'action correlation du Simple Analytics Action SetGemini said
Groupe logique de fonctionnalités CAS (Cloud Analytic Services) contenant des actions spécifiques (statistiques, data mining, etc.) pour traiter les données en mémoire de manière optimisée. est fondamentale pour comprendre les relations linéaires entre vos variablesColonnes d'une table SAS contenant des données spécifiques (numériques ou caractères). Elles possèdent des attributs comme le nom, le type, la longueur, l'étiquette et le format d'affichage. continues avant même d'entraîner un algorithme de Machine LearningBranche de l'IA utilisant des algorithmes pour apprendre des modèles à partir de données. Il permet d'automatiser des prédictions ou des décisions sans programmation explicite de chaque règle.. Exécutée massivement en parallèle sur le moteur in-memoryTechnique stockant les données directement dans la RAM pour un accès ultra-rapide, permettant des analyses massives et calculs complexes en temps réel sans les latences liées aux disques durs. CAS Cloud Analytic ServicesMoteur d'exécution in-memory de SAS Viya. Il assure le traitement massivement parallèle (MPP) et distribué des données pour optimiser les performances analytiques et le passage à l'échelle., elle calcule les coefficients de corrélation de Pearson à une vitesse foudroyante. En identifiant rapidement la colinéarité entre vos variablesColonnes d'une table SAS contenant des données spécifiques (numériques ou caractères). Elles possèdent des attributs comme le nom, le type, la longueur, l'étiquette et le format d'affichage. via le paramètre inputs, vous pouvez écarter les données redondantes, optimisant ainsi les performances de vos plans de données et la précision de vos modèles prédictifsAlgorithmes entraînés sur SAS Viya pour analyser des données historiques et estimer la probabilité de résultats futurs, facilitant ainsi la prise de décision proactive et automatisée. finaux.

Exemples pour l'action correlation

Corrélation de Pearson basique

Calcule la matrice de corrélation pour toutes les variables numériques de la table.

Analyse avancée avec Alpha de Cronbach et sauvegarde

Analyse complète incluant les covariances, l'alpha de Cronbach, le tri par rang, et l'exportation des résultats vers une table CAS.

Corrélation croisée (With)

Calcule uniquement les corrélations entre un groupe cible (Income) et les autres variables.

Vous pourriez aussi aimer...

Conseil de l'Expert

Pour les jeux de données massifs (Wide Data), utilisez le paramètre casOut pour écrire les résultats directement dans une table CAS. Cela évite de saturer la mémoire du client (SAS Studio) en tentant de rapatrier une matrice de corrélation de plusieurs milliers de colonnes.

Maîtrise Technique de l'Action Set simple

Traitement Massivement Parallèle (MPP) : Contrairement à la PROC CORR héritée, l'action répartit les calculs de la somme des produits croisés sur tous les nœuds de calcul (Workers), minimisant ainsi le temps de CPU pour les matrices $N \times P$ complexes.
Algorithme In-Memory : Le calcul s'effectue sans aucun I/O disque une fois la table chargée en mémoire (Global Scope), exploitant la structure de données orientée blocs de CAS.
Interopérabilité CASL : L'utilisation de l'action via CASL permet de capturer la table de résultats dans un dictionnaire pour automatiser la suppression des variables redondantes avant l'appel aux actions de Machine Learning.