L'action dlLabelTarget est une brique fondamentale dans l'écosystème SAS Viya lors de l'entraînement de modèles de classification complexes. Elle permet d'assigner dynamiquement les informations d'étiquettes cibles à votre architecture de réseau de neuronesUn réseau de neurones est un modèle d'IA bio-inspiré composé de couches de nœuds interconnectés, capable d'apprendre des relations complexes dans les données pour prédire ou classifier avec précision.. Concrètement, cette action lit une table de correspondance pour associer un indexStructure de données accélérant la lecture des lignes d'une table en ciblant directement les valeurs des colonnes indexées, réduisant ainsi les entrées/sorties disque et le temps de traitement. numérique, utilisé en interne par le modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting). pour les probabilités de sortie, à une étiquette textuelle compréhensible par les analystes métiers. Sans cette étape cruciale, les résultats de votre modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting). de Deep LearningSous-ensemble du Machine Learning basé sur des réseaux de neurones artificiels profonds. Il excelle dans l'extraction automatique de motifs complexes depuis des données brutes (images, texte, son). resteraient une suite de chiffres abstraits, rendant l'interprétation et le déploiement en production pratiquement impossibles pour les équipes Data Science.
Pourquoi l'action dlLabelTarget est-elle incontournable pour vos modèles de classification Deep Learning ?
La passerelle entre Tenseurs et Métiers
Exemples pour l'action dlLabelTarget
Association simple d'étiquettes à un modèle existant
Cet exemple prend un modèle pré-entraîné et lui attache les étiquettes cibles pour le rendre plus bavard lors du scoring.
Assignation avancée avec gestion des CASLibs et threads
Cet exemple montre comment appliquer des étiquettes en ciblant des tables dans des librairies spécifiques (CASLibs) et en promouvant la table de sortie en mémoire globale, tout en forçant l'usage de 4 threads.
Conseil de l'Expert
Pour garantir la portabilité de vos modèles (notamment pour un déploiement via SAS Model Manager ou dans des conteneurs via l'action exportModel), utilisez toujours une table de labels externe structurée. Cela évite les incohérences d'indexation si vous réentraînez votre modèle sur un sous-échantillon de données où certaines classes seraient absentes.
Cette réponse vous a-t-elle aidé ?
