Oui, l'optimisation des performances est possible grâce au paramètre nTree. Il permet de limiter le nombre d'arbres de la forêt utilisés pendant la phase de scoringProcessus d'application d'un modèle prédictif à de nouvelles données pour calculer une probabilité ou un score, permettant ainsi d'automatiser la prise de décision en temps réel sur SAS Viya.. Cela offre aux architectes de données la flexibilité nécessaire pour arbitrer entre une précision maximale (utilisation de tous les arbres) et une rapidité d'exécution accrue (utilisation d'un sous-ensemble), ce qui est vital pour les applications en temps réel.
Est-il possible d'ajuster la vitesse d'exécution du scoring en production ?
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...
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 ?
Comment garantir la fiabilité du scoring face aux données incomplètes ou manquantes ?