L'action dtreeScore est le moteur d'exécution qui permet d'appliquer un 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). d'arbre de décision, de forêt aléatoireAlgorithme d'apprentissage supervisé combinant plusieurs arbres de décision indépendants pour améliorer la précision et réduire le surapprentissage par agrégation de leurs prédictions. ou de gradient boostingMéthode d'apprentissage itérative créant une suite d'arbres de décision. Chaque nouvel arbre corrige les erreurs de prédiction des précédents pour minimiser globalement la fonction de perte. à de nouvelles données. Dans l'écosystème SAS Viya, cette action traite les données en parallèle sur les nœuds du serveur 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.), permettant de générer des scores sur des millions de lignes en un temps record pour des cas d'usage comme l'octroi de crédit ou la maintenance prédictive.
Comment transformer vos modèles d arbre de décision en prédictions métier concrètes ?
Exemples pour l'action dtreeScore
Scoring basique d'un modèle d'arbre
Ici, on applique notre modèle fraîchement généré sur nos données d'origine pour obtenir de simples prédictions dans une nouvelle table de sortie.
Scoring complet avec probabilités, encodage parfait et parcours d'arbre
Sortons l'artillerie lourde 🚀 ! On score la table en demandant explicitement les probabilités (%%assess%% et %%assessOneRow%%), en nommant proprement les colonnes avec un préfixe lisible 'P_' (%%encodeName%%), et en gardant la trace complète du chemin emprunté dans l'arbre pour assurer l'explicabilité de la décision (%%path%%).