Question 1

Comment garantir que les tables critiques restent disponibles en mémoire et gérer leur durée de vie ?

Accepted Answer

Le paramètre lifetime (lifetime=64-bit-integer) est crucial pour la gestion des ressources en mémoire dans CAS. Il spécifie le nombre de secondes pendant lesquelles une table doit rester chargée en mémoire après sa dernière utilisation. Si la table n'est pas consultée pendant cette durée, elle est automatiquement supprimée de la mémoire. Une valeur de 0 signifie que la table n'a pas de limite de durée de vie automatique basée sur l'accès et reste en mémoire jusqu'à suppression explicite ou arrêt du serveur.

Question 2

Comment renommer une table ou une colonne pour s'adapter à de nouvelles conventions ?

Accepted Answer

Le paramètre name (name="table-name") est obligatoire et spécifie le nom actuel de la table que vous souhaitez modifier. C'est un alias pour 'table'. Le paramètre rename (rename="string") vous permet de donner un nouveau nom à cette table. Cela est utile pour standardiser les conventions de nommage, fusionner des schémas de données ou simplement améliorer la clarté de l'environnement de travail.

Question 3

Quelles sont les implications de 'tableRedistUpPolicy' lors de l'évolution de mon cluster CAS ?

Accepted Answer

Le paramètre tableRedistUpPolicy (tableRedistUpPolicy="DEFER" | "NOREDIST" | "REBALANCE") définit la politique de redistribution des données de la table lorsque le nombre de 'worker pods' (nœuds de travail) augmente sur un serveur CAS en cours d'exécution. Les options sont :DEFER : La sélection de la politique de redistribution est différée à une entité de niveau supérieur.NOREDIST : Les données de la table ne sont pas redistribuées lors des changements du nombre de 'worker pods'.REBALANCE : Les données de la table sont rééquilibrées automatiquement pour optimiser la distribution sur les nouveaux 'worker pods'.Cette politique est fondamentale pour maintenir la performance et l'intégrité des données dans un environnement CAS évolutif.

Question 4

Qu'est-ce que l'action 'analyzeMissingPatterns' et pourquoi est-elle cruciale pour la qualité de mes données ?

Accepted Answer

L'action analyzeMissingPatterns, faisant partie du Data Science Pilot Action Set dans SAS Viya, est un outil fondamental pour comprendre et évaluer la complétude de vos ensembles de données. Elle permet d'effectuer une analyse des schémas de valeurs manquantes, ce qui est une étape critique dans tout workflow d'analyse de données ou de Machine Learning.En identifiant comment les données sont manquantes (par exemple, de manière aléatoire, complètement aléatoire, ou par mécanisme non aléatoire), vous pouvez :Évaluer la qualité des données : Comprendre l'étendue et la nature des lacunes dans vos données.Orienter les stratégies d'imputation : Choisir les méthodes d'imputation les plus appropriées pour remplacer les valeurs manquantes sans introduire de biais significatif.Détecter des problèmes de collecte de données : Mettre en lumière d'éventuels dysfonctionnements dans les processus d'acquisition des données.Améliorer la robustesse des modèles : Éviter les erreurs ou les performances sous-optimales des modèles prédictifs causées par une mauvaise gestion des données manquantes.

Question 5

Comment puis-je spécifier la table d'entrée pour l'analyse des schémas manquants avec 'analyzeMissingPatterns' ?

Accepted Answer

Pour spécifier votre table d'entrée, vous devez utiliser le paramètre table. Ce paramètre est obligatoire et peut être fourni sous sa forme longue avec des sous-paramètres détaillés ou sous une forme abrégée.Forme longue : Vous spécifiez un dictionnaire (ou list en R/Python) contenant le nom de la table (obligatoire) et, optionnellement, la caslib (bibliothèque CAS) où se trouve la table. Par exemple : table={name="ma_table", caslib="MaCaslib"}.Forme abrégée : Vous pouvez simplement fournir le nom de la table comme une chaîne de caractères, par exemple : table="ma_table".Il est également possible de filtrer les données d'entrée via les sous-paramètres where pour des expressions de filtrage directes ou whereTable pour filtrer via une table externe.

Question 6

Comment puis-je contrôler la sortie des résultats de l'analyse des schémas manquants ?

Accepted Answer

Les résultats de l'analyse des schémas manquants sont stockés dans une table CAS que vous spécifiez via le paramètre obligatoire casOut. Ce paramètre vous permet de définir le nom de la table de sortie, sa caslib et plusieurs autres options :name : Le nom de la table CAS de sortie.caslib : La bibliothèque CAS où la table de résultats sera enregistrée.replace : Un booléen (TRUE/FALSE) indiquant si une table existante portant le même nom doit être écrasée. La valeur par défaut est FALSE.promote : Un booléen (TRUE/FALSE) qui, s'il est défini sur TRUE, rend la table de sortie accessible globalement aux autres sessions, sous réserve des contrôles d'accès. La valeur par défaut est FALSE.lifetime : Un entier (nombre de secondes) spécifiant la durée pendant laquelle la table reste en mémoire après son dernier accès. La valeur par défaut est 0, ce qui signifie que la table est conservée indéfiniment jusqu'à ce qu'elle soit explicitement supprimée ou que la session se termine.memoryFormat : Le format de mémoire pour la table de sortie, qui peut être "DVR" (Duplicate Value Reduction), "INHERIT" (par défaut, hérite du format serveur) ou "STANDARD".

Question 7

Quels sont les variables que l'action 'analyzeMissingPatterns' prend en compte pour son analyse ?

Accepted Answer

L'action analyzeMissingPatterns vous permet de spécifier un sous-ensemble de variables de votre table d'entrée à inclure dans l'analyse. Ceci est géré via le paramètre inputs.Ce paramètre attend une liste de descriptions de variables (casinvardesc), où chaque description peut inclure :name : Le nom de la variable (obligatoire).format : Le format à appliquer à la variable.label : Un libellé descriptif pour la variable.formattedLength et nfl : La longueur du champ de format.nfd : La longueur de la précision du format.Si ce paramètre n'est pas spécifié, toutes les variables de la table d'entrée sont utilisées par défaut. Pour les variables catégorielles, vous pouvez les désigner comme nominals.

Question 8

Comment l'action 'analyzeMissingPatterns' gère-t-elle les grandes quantités de valeurs distinctes ou les distributions de fréquence complexes ?

Accepted Answer

L'action analyzeMissingPatterns utilise des mécanismes avancés pour gérer efficacement les données, même avec un grand nombre de valeurs distinctes. Deux paramètres clés régissent ce comportement :distinctCountLimit : Cet entier spécifie le nombre maximal de valeurs distinctes pour lesquelles un comptage exact est effectué. Si le nombre de valeurs distinctes d'une variable dépasse cette limite (la valeur par défaut est 10000), le comportement dépend du paramètre misraGries.misraGries : Ce paramètre booléen (TRUE par défaut) active l'algorithme de Misra-Gries pour l'estimation de la distribution de fréquence si le distinctCountLimit est dépassé. L'algorithme de Misra-Gries est une technique d'ébauche (sketching) qui permet d'estimer les fréquences des éléments les plus fréquents dans un flux de données avec une empreinte mémoire réduite, particulièrement utile pour les ensembles de données volumineux ou les variables à cardinalité élevée. Si misraGries est FALSE et la limite est dépassée, l'opération de comptage distinct est abandonnée pour cette variable.De plus, le paramètre ecdfTolerance (par défaut 0.001) spécifie la tolérance pour la fonction de distribution cumulative empirique, utilisée par l'algorithme de quantification pour estimer les quantiles avec précision.

Question 9

Quel est l'objectif principal de l'action annCode dans SAS Viya et pourquoi est-elle cruciale pour l'intégration de modèles?

Accepted Answer

L'action annCode de l'ensemble d'actions Neural Network dans SAS Viya est conçue pour générer du code de scoring DATA step à partir d'un modèle de réseau neuronal artificiel préalablement entraîné. Cette fonctionnalité est cruciale car elle permet d'intégrer facilement les capacités de scoring du modèle dans des environnements SAS traditionnels ou d'autres systèmes qui peuvent exécuter du code SAS, facilitant ainsi le déploiement de modèles de machine learning sans nécessiter l'environnement CAS complet pour chaque prédiction individuelle. En générant un code de scoring autonome, elle assure une portabilité et une efficacité maximales pour l'inférence des modèles.

Question 10

Comment puis-je générer du code de scoring SAS avec annCode et quelles options sont disponibles pour personnaliser ce code ?

Accepted Answer

Pour générer du code de scoring SAS avec annCode, vous utilisez le paramètre code. Ce paramètre n'est pas une simple instruction, mais un conteneur pour des options de personnalisation avancées qui déterminent la structure et le contenu du code généré. Voici les principales sous-options disponibles :casOut : Permet de spécifier une table de sortie où le code SAS de scoring sera enregistré. Vous pouvez y définir des options comme caslib (bibliothèque CAS), name (nom de la table), replace (remplacer si existant), et d'autres paramètres de gestion de table.comment : Un booléen (TRUE ou FALSE) pour inclure ou non des commentaires dans le code généré, améliorant sa lisibilité.fmtWdth : Un entier spécifiant la largeur des formats des variables dans le code.indentSize : Un entier pour contrôler la taille de l'indentation du code généré, pour une meilleure présentation.labelId : Un entier pour associer des libellés spécifiques.lineSize : Un entier pour définir la longueur maximale de chaque ligne de code.noTrim : Un booléen (TRUE ou FALSE) pour empêcher la suppression des espaces de fin dans les chaînes de caractères.tabForm : Un booléen (TRUE ou FALSE) pour spécifier si l'indentation doit utiliser des tabulations ou des espaces.Ces options vous offrent un contrôle granulaire sur la sortie du code généré, vous permettant de l'adapter aux normes de codage ou aux exigences d'intégration spécifiques.

Question 11

Quels types de nœuds d'un réseau neuronal peuvent être inclus dans la table de sortie scoreée par annCode et quand l'auto-encodage est-il particulièrement pertinent ?

Accepted Answer

L'action annCode offre une flexibilité pour spécifier les types de nœuds du réseau neuronal à inclure dans la table de sortie scoreée via le paramètre listNode. Les options disponibles sont :ALL : Inclut tous les nœuds du réseau (entrée, cachés et sortie).HIDDEN (valeur par défaut) : N'inclut que les nœuds cachés.INPUT : N'inclut que les nœuds d'entrée.OUTPUT : N'inclut que les nœuds de sortie.Lorsque l'auto-encodage des nœuds d'entrée est demandé, la valeur par défaut est HIDDEN. Cette spécification est particulièrement utile lorsque l'auto-encodage est appliqué pour réduire la dimensionnalité des nœuds d'entrée. En réutilisant les valeurs de sortie des nœuds cachés générées par l'auto-encodeur, les algorithmes de machine learning, tels que les réseaux neuronaux, le clustering, les arbres de décision et les forêts, peuvent exploiter ces vecteurs encodés comme nouvelles entrées. Cela permet d'extraire des caractéristiques pertinentes et de simplifier la représentation des données pour les étapes d'analyse ultérieures.

Question 12

Comment puis-je identifier le modèle de réseau neuronal utilisé par annCode et quelle est la convention de nommage par défaut pour l'ID du modèle ?

Accepted Answer

L'action annCode utilise le paramètre modelId pour spécifier le nom de la variable d'identification du modèle qui sera incluse dans le code de scoring DATA step généré. Cette variable permet de tracer et de référencer le modèle spécifique utilisé pour la génération du code. Par défaut, si vous ne spécifiez pas de valeur, le nom de la variable d'identification du modèle sera automatiquement construit en utilisant le nom de la variable cible du réseau neuronal, précédé du préfixe ANN_. Par exemple, si votre variable cible est CIBLE_VENTE, le modelId par défaut serait ANN_CIBLE_VENTE.

FAQ CAS Actions

Comment garantir que les tables critiques restent disponibles en mémoire...

Comment renommer une table ou une colonne pour s'adapter à de nouvelles ...

Quelles sont les implications de 'tableRedistUpPolicy' lors de l'évoluti...

Qu'est-ce que l'action 'analyzeMissingPatterns' et pourquoi est-elle cru...

Comment puis-je spécifier la table d'entrée pour l'analyse des schémas m...

Comment puis-je contrôler la sortie des résultats de l'analyse des schém...

Quels sont les variables que l'action 'analyzeMissingPatterns' prend en ...

Comment l'action 'analyzeMissingPatterns' gère-t-elle les grandes quanti...

Quel est l'objectif principal de l'action annCode dans SAS Viya et pourq...

Comment puis-je générer du code de scoring SAS avec annCode et quelles o...

Quels types de nœuds d'un réseau neuronal peuvent être inclus dans la ta...

Comment puis-je identifier le modèle de réseau neuronal utilisé par annC...

Filtrer par Action