L'action detectInteractions, issue du module Data Science Pilot, est un atout majeur pour les architectes de données et les Data ScientistsExperts extrayant des connaissances via des méthodes statistiques, algorithmes et IA. Ils transforment les données brutes en insights stratégiques pour résoudre des problèmes métier complexes. opérant sur la plateforme SAS Viya. Son objectif métier principal est d'automatiser la détection et le classement des interactions entre 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. (features). Au lieu de tester manuellement des milliers de combinaisons croisées, cette action identifie intelligemment les paires de 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. qui, combinées, ont un fort pouvoir prédictif sur une variable cible (définie par le paramètre target). Cela permet d'enrichir vos pipelines 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. en exposant des relations non linéaires complexes, augmentant ainsi considérablement 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. tout en réduisant drastiquement le temps de préparation des données.
Comment l'action detectInteractions révolutionne-t-elle la création de vos modèles prédictifs ?
L'Automatisation de l'Ingénierie de Caractéristiques
Exemples pour l'action detectInteractions
Détection basique et aveugle des interactions
On lance l'action avec les paramètres minimaux requis pour chercher des paires de variables fortement corrélées avec la modalité 'Oui' de notre cible.
Analyse ciblée avec ajustement de la métrique et filtrage
Une approche plus professionnelle : on restreint les variables d'entrée via %%inputs%%, on utilise la médiane (%%MEDIAN%%) pour éviter de biaiser le score par des valeurs extrêmes, et on filtre les probabilités de corrélation trop faibles.