Lors du 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., l'efficacité est primordiale. Le paramètre nTree vous permet de spécifier exactement combien d'arbres du 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 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. doivent être utilisés pour générer la prédiction. Cela offre une flexibilité stratégique :
- Optimisation des ressources : Vous pouvez utiliser un sous-ensemble d'arbres pour obtenir une réponse plus rapide si la latence est critique.
- Comparaison de modèles : Tester l'influence de la profondeur du boostingTechnique d'apprentissage séquentiel où chaque nouveau modèle corrige les erreurs des précédents. Elle réduit le biais et augmente la précision en pondérant les observations mal classées. sur les résultats finaux.
Par défaut, l'action utilise l'ensemble des arbres disponibles dans le modelTable, garantissant la précision maximale prévue lors de l'entraînement.