Comment l'action countregFitModel permet-elle d'analyser les donnees de comptage et quels sont les cas d'usage metier ?

Modélisation Prédictive des Événements Discrets

L'action countregFitModel du moteur de traitement en mémoireGemini said
Espace de stockage temporaire (RAM) utilisé par le moteur CAS pour charger et traiter les données à haute vitesse, minimisant les accès disque pour optimiser les performances de SAS Viya.
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.) est spécialement conçue pour modéliser des 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. dépendantes prenant des valeurs entières positives ou nulles (données de comptage). C'est l'outil analytique idéal pour résoudre des problématiques métier telles que la prédiction du nombre de pannes d'une machine, la fréquence de visites d'un client sur un site e-commerce, ou le nombre de réclamations en assurance. Elle supporte divers types de distributions via le paramètre modeltype, incluant notamment les modèles de PoissonLoi de probabilité discrète modélisant le nombre d'événements indépendants survenant dans un intervalle fixe (temps/espace), définie par un paramètre de moyenne égal à la variance., binomiaux négatifs (NEGBIN1, NEGBIN2), et de Conway-MaxwellLa distribution de Conway-Maxwell-Poisson (CMP) généralise la loi de Poisson en ajoutant un paramètre de dispersion pour modéliser des données avec sous-dispersion ou sur-dispersion statistique.-PoissonLoi de probabilité discrète modélisant le nombre d'événements indépendants survenant dans un intervalle fixe (temps/espace), définie par un paramètre de moyenne égal à la variance. (CMPOISSON).

Exemples pour l'action countregFitModel

Régression de Poisson basique

Une estimation simple pour comprendre l'impact de l'expérience sur le nombre d'appels.

Modèle Binomial Négatif avec Sélection Stepwise

Utilisation de la sélection pas à pas pour trouver le meilleur modèle tout en gérant la sur-dispersion potentielle.

Analyse Bayésienne (MCMC)

Parce que parfois, on veut voir la 'vraie' forme de l'incertitude avec 10 000 échantillons.