Optimisation de l'Inférence avec genmodScore

L'action genmodScore, membre de l'ensemble d'actions Regression de SAS Viya, est conçue pour appliquer un modèle de régression linéaire généralisé déjà entraîné à de nouvelles données. Son rôle crucial est de générer une table de sortie sur le serveur Cloud Analytic Services contenant non seulement les prédictions, mais aussi des statistiques de diagnostic avancées. Cela permet de passer de la phase d'apprentissage à la phase de production de manière transparente, en tirant parti du traitement distribué pour traiter des millions de lignes en quelques secondes.

Pourquoi l action genmodScore est-elle indispensable pour vos modèles prédictifs ? - genmodScore

L'action genmodScore, membre de l'ensemble d'actions Regression de SAS Viya, est conçue pour 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). de régression linéaire généralisé déjà entraîné à de nouvelles données. Son rôle crucial est de générer une table de sortie sur le serveur 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. contenant non seulement les prédictions, mais aussi des statistiques de diagnostic avancées. Cela permet de passer de la phase d'apprentissage à la phase de production de manière transparente, en tirant parti du traitement distribué pour traiter des millions de lignes en quelques secondes.

Exemples pour l'action genmodScore

Scoring basique

Application du modèle aux individus de plus de 50 ans avec récupération des prédictions standards.

Scoring complet avec diagnostics d'influence

Calcul de toutes les mesures de résidus et d'influence pour un audit approfondi du modèle.

Conseil de l'Expert

Pour maximiser les performances sur des tables de plusieurs téraoctets, utilisez toujours le paramètre casOut avec l'option replace=true et assurez-vous que votre table d'entrée est partitionnée de manière identique à votre table d'entraînement afin de minimiser le mouvement de données (Data Shuffling) entre les nœuds du cluster CAS.

Valeur ajoutée technique de l'action genmodScore

Gestion des valeurs manquantes : Elle applique strictement la stratégie de gestion des données manquantes définie lors de la modélisation (ex: exclusion ou imputation spécifique).

Cette réponse vous a-t-elle aidé ?

Vos votes aident à améliorer notre base de connaissances.