La gestion des valeurs manquantes est native dans forestScore. Par défaut, l'action inclut les observations incomplètes en utilisant les stratégies de division définies lors de l'entraînement. Si votre processus métier exige une qualité de données parfaite, vous pouvez utiliser includeMissing = False pour exclure les enregistrements dont les 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. prédictives sont absentes, assurant ainsi l'intégrité de vos résultats finaux.
Comment garantir la fiabilité du scoring face aux données incomplètes ou manquantes ?
Exemples pour l'action forestScore
Scoring de base avec statistiques d'erreur
Exécute le scoring sans table de sortie pour obtenir rapidement le taux d'erreur sur les données fournies.
Scoring complet avec export des probabilités et conservation d'ID
Ici, on génère une table de résultats incluant l'identifiant d'origine, les probabilités de chaque classe, et on utilise la moyenne des probabilités pour la décision finale.
Cette réponse vous a-t-elle aidé ?
À lire aussi...
Est-il possible d'ajuster la vitesse d'exécution du scoring en production ?
Comment expliquer les décisions du modèle grâce à l'analyse d'importance des variables ?
Comment industrialiser le déploiement de vos modèles prédictifs sur des volumes de données massifs ?
Quelles sont les méthodes pour extraire les probabilités de prédiction pour vos analyses de risque ?
Comment transférer des informations contextuelles de la table source vers les résultats de scoring ?