Question 1

Quelles sont les options de correspondance pour l'extraction de concepts et leur impact ?

Accepted Answer

Le paramètre matchType spécifie le type de correspondance d'entrée et peut prendre les valeurs "ALL", "BEST", ou "LONGEST". La valeur par défaut est ALL.

Question 2

Comment fournir un modèle d'extraction de concepts personnalisé (fichier LI) ?

Accepted Answer

Le paramètre model (alias li) désigne une table CAS d'entrée contenant le modèle d'extraction de concepts (LI) défini par l'utilisateur. Si ce paramètre n'est pas spécifié, le modèle de base est utilisé. Pour plus d'informations sur la spécification du paramètre model, consultez le paramètre commun castable (Form 1).

Question 3

Comment exploiter des documents pré-analysés pour une performance accrue ?

Accepted Answer

Le paramètre parseTableIn indique le nom de la table CAS précédemment créée avec le paramètre parseTableOut d'une action applyConcept antérieure. Cette table contient des documents pré-analysés. Le paramètre parseTableIn ne remplace pas la table spécifiée par le paramètre table (qui contient le texte brut). Son utilisation, en combinaison avec parseTableOut, améliore l'efficacité de l'action applyConcept, notamment lorsque l'opérateur CLAUS_n est employé dans le modèle LITI. Il est important de ne pas spécifier les paramètres parseTableIn et parseTableOut dans le même appel de l'action applyConcept. Pour plus de précisions, consultez le paramètre commun castable (Form 1).

Question 4

Comment sauvegarder des résultats intermédiaires de pré-analyse pour optimiser les performances ?

Accepted Answer

Le paramètre parseTableOut spécifie une table CAS de sortie pour contenir les documents d'entrée pré-analysés. Il est facultatif et peut être utilisé pour enregistrer les résultats intermédiaires et ainsi améliorer la performance de l'action applyConcept, surtout lorsque l'opérateur CLAUS_n est utilisé dans le modèle LITI. Le nom de cette table est ensuite utilisé comme valeur du paramètre parseTableIn lors d'un appel ultérieur de l'action applyConcept. Ne spécifiez pas les paramètres parseTableIn et parseTableOut dans le même appel de l'action applyConcept. Pour plus de détails, consultez le paramètre commun casouttable.

Question 5

Où sont stockés les résultats des correspondances de règles pour une analyse ultérieure ?

Accepted Answer

Le paramètre ruleMatchOut spécifie la table CAS de sortie contenant les informations sur les résultats de correspondance des règles. Cette table peut être utilisée comme entrée pour l'action ruleGen. Pour plus de détails sur la spécification du paramètre ruleMatchOut, consultez le paramètre commun casouttable.

Question 6

Comment définir la table CAS source des documents à analyser ?

Accepted Answer

Le paramètre table désigne la table CAS d'entrée qui contient les documents à analyser. Pour plus d'informations sur la spécification du paramètre table, consultez le paramètre commun castable (Form 1).

Question 7

Quelle variable de la table CAS contient le texte à traiter ?

Accepted Answer

Le paramètre text (alias textVar) spécifie le nom de la variable de la table CAS qui contient le texte à traiter.

Question 8

Qu'est-ce que l'action 'arima' et à quoi sert-elle dans SAS Viya ?

Accepted Answer

L'action arima de SAS Viya est un outil puissant pour l'analyse des séries temporelles univariées. Elle est spécifiquement conçue pour construire et appliquer des modèles Autorégressifs Intégrés à Moyenne Mobile (ARIMA). Ces modèles sont fondamentaux pour comprendre, modéliser et prévoir le comportement de données qui varient dans le temps, comme les ventes, les stocks, les indicateurs économiques ou toute autre série de données collectées séquentiellement. L'action arima permet aux utilisateurs de spécifier les composantes AR (auto-régressives), I (intégrées ou différences) et MA (moyennes mobiles), y compris leurs ordres saisonniers, pour capturer les tendances, les saisonnalités et les erreurs résiduelles dans les données. En offrant une interface flexible pour la modélisation ARIMA, elle est indispensable pour les prévisionnistes et les analystes de données travaillant avec des données temporelles.

Question 9

Quels sont les paramètres obligatoires pour utiliser l'action 'arima' ?

Accepted Answer

Pour exécuter l'action arima, trois paramètres sont absolument essentiels :table : Ce paramètre spécifie la table de données d'entrée CAS (Cloud Analytic Services) qui contient la série temporelle à analyser. Sans cette table, l'action n'a aucune donnée à traiter.interval : Il définit l'intervalle de temps ou la fréquence des données de la série temporelle (par exemple, 'MONTH' pour des données mensuelles, 'DAY' pour des données journalières). Cette information est cruciale pour que l'action puisse correctement comprendre la structure temporelle des données.series : Ce paramètre est une liste d'objets, où chaque objet spécifie une série à modéliser et ses options de modélisation. Au minimum, chaque objet series doit inclure le sous-paramètre name, qui est le nom de la variable de la série temporelle dans la table d'entrée. C'est autour de cette variable que le modèle ARIMA sera construit.Ces trois éléments constituent la base minimale requise pour initier toute analyse ou prévision avec l'action arima.

Question 10

Comment l'action 'arima' gère-t-elle l'alignement temporel et les valeurs manquantes dans les séries ?

Accepted Answer

L'action arima offre une gestion précise de l'alignement temporel et des valeurs manquantes pour assurer l'intégrité de l'analyse :Alignement de l'ID temporel (alignId) : Vous pouvez spécifier comment l'ID temporel est aligné. Les options disponibles sont :BEGIN (par défaut) : Le début de l'intervalle.END : La fin de l'intervalle.MIDDLE : Le milieu de l'intervalle.Alignement des limites (boundaryAlign) : Ce paramètre contrôle l'alignement des horodatages de début et de fin. Les options sont :BOTH (par défaut) : Aligne les deux limites.END : Aligne uniquement la fin.NONE : Pas d'alignement.START : Aligne uniquement le début.Traitement des valeurs manquantes (setMiss) : Dans le sous-paramètre series, vous pouvez définir la manière d'interpréter les valeurs manquantes pour une variable donnée. Les options courantes incluent AVG, FIRST, LAST, MAX, MEDIAN, MIN, MISSING, NEXT, PREV, ou une valeur numérique spécifique (double). L'alias pour ce paramètre est miss.Élagage de l'ID temporel (trimId) : Spécifie comment les valeurs manquantes sont éliminées aux extrémités de la série temporelle :NONE (par défaut) : Aucune valeur manquante n'est élaguée.LEFT : Élimine les valeurs manquantes au début de la série.RIGHT : Élimine les valeurs manquantes à la fin de la série.BOTH : Élimine les valeurs manquantes aux deux extrémités.Ces fonctionnalités garantissent que l'analyse des séries temporelles est effectuée sur des données temporellement cohérentes et nettoyées selon les besoins spécifiques du modèle.

Question 11

Comment spécifier la structure d'un modèle ARIMA (ordres AR, I, MA, saisonniers) avec l'action 'arima' ?

Accepted Answer

La spécification de la structure d'un modèle ARIMA est au cœur de l'action arima et se fait via le sous-paramètre model dans le bloc series. Dans model, vous utilisez le sous-paramètre estimate pour configurer les détails de l'estimation du modèle :Ordres auto-régressifs (AR) avec p : Utilisez le paramètre p pour définir les polynômes auto-régressifs. Vous pouvez spécifier des ordres directs ou des facteurs polynomiaux saisonniers. Par exemple, pour un ordre AR(1), vous spécifieriez p=1. Pour un AR saisonnier, vous pouvez utiliser le sous-paramètre factor.Ordres intégrés (I) avec diff : Le paramètre diff permet de spécifier les ordres de différenciation. Une valeur de diff=1 indique une différenciation d'ordre 1 (série I(1)). Vous pouvez spécifier plusieurs ordres de différenciation pour gérer des tendances complexes ou des saisonnalités.Ordres de moyenne mobile (MA) avec q : Utilisez le paramètre q pour définir les polynômes de moyenne mobile. Similaire à p, vous pouvez spécifier des ordres directs ou utiliser le sous-paramètre factor pour les composantes saisonnières.En combinant ces paramètres, vous pouvez définir une grande variété de modèles ARIMA, par exemple, un ARIMA(p,d,q)(P,D,Q)s où les lettres minuscules désignent les ordres non saisonniers et les majuscules les ordres saisonniers, avec 's' pour la saisonnalité.Exemple de structure de spécification :series={{name="maVariable", model={{estimate={{p={{factor=1}}, diff={1}, q={{factor=1}}}}}}}}Cette flexibilité permet d'adapter le modèle aux caractéristiques spécifiques de chaque série temporelle.

Question 12

Quelles sont les options avancées pour l'estimation des paramètres du modèle ARIMA ?

Accepted Answer

Le sous-paramètre estimate de l'action arima propose plusieurs options avancées pour affiner le processus d'estimation des paramètres du modèle :Critère de convergence (converge) : Vous pouvez définir une valeur (par défaut 0.001) pour le critère de convergence. La convergence est atteinte lorsque le plus grand changement dans les estimations des paramètres est inférieur à cette valeur. La plage est de (0, 1).Valeur de perturbation (delta) : Spécifie la valeur de perturbation (par défaut 0.001) utilisée pour le calcul des dérivées numériques. La plage est de (0, 1).Nombre maximal d'itérations (maxiter) : Contrôle le nombre maximal d'itérations pour l'algorithme d'estimation (par défaut 50).Estimation des valeurs médianes (median) : Si défini à TRUE, l'action estime les valeurs médianes prévisionnelles au lieu des moyennes (par défaut FALSE).Méthode d'estimation (method) : Permet de choisir la méthode d'estimation parmi :CLS (par défaut) : Moindres Carrés Conditionnels.ML : Maximum de Vraisemblance.ULS : Moindres Carrés Non Conditionnels.Absence d'ordonnée à l'origine (noint) : Si défini à TRUE, le modèle sera estimé sans ordonnée à l'origine (par défaut FALSE).Stabilité et inversibilité (nostable) : Si défini à TRUE, les estimations des paramètres AR et MA ne sont pas restreintes aux régions de stationnarité et d'inversibilité (par défaut FALSE).Critère de singularité (singular) : Spécifie le critère pour vérifier la singularité (par défaut 1E-07). La plage est de (0, 1).Transformation de la série (transform) : Permet d'appliquer une transformation à la série temporelle en entrée ou accumulée. Les options incluent AUTO, BOXCOX, LOG, LOGIT, NONE (par défaut), SQRT.Paramètre de transformation (transformParm) : Spécifie la valeur du paramètre pour la transformation de Box-Cox (par défaut 1, plage de -5 à 5).Ces options donnent un contrôle fin sur la robustesse et la précision de l'estimation du modèle ARIMA.

FAQ CAS Actions

Quelles sont les options de correspondance pour l'extraction de concepts...

Comment fournir un modèle d'extraction de concepts personnalisé (fichier...

Comment exploiter des documents pré-analysés pour une performance accrue ?

Comment sauvegarder des résultats intermédiaires de pré-analyse pour opt...

Où sont stockés les résultats des correspondances de règles pour une ana...

Comment définir la table CAS source des documents à analyser ?

Quelle variable de la table CAS contient le texte à traiter ?

Qu'est-ce que l'action 'arima' et à quoi sert-elle dans SAS Viya ?

Quels sont les paramètres obligatoires pour utiliser l'action 'arima' ?

Comment l'action 'arima' gère-t-elle l'alignement temporel et les valeur...

Comment spécifier la structure d'un modèle ARIMA (ordres AR, I, MA, sais...

Quelles sont les options avancées pour l'estimation des paramètres du mo...

Filtrer par Action