analyzeMissingPatterns

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

Configuration du Scope d'Analyse via 'inputs'

Variables Valeurs manquantes Nettoyage données Patterns Paramètres entrées

L'action analyzeMissingPatterns vous permet de spécifier un sous-ensemble de variablesColonnes d'une table SAS contenant des données spécifiques (numériques ou caractères). Elles possèdent des attributs comme le nom, le type, la longueur, l'étiquette et le format d'affichage. 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 variablesColonnes d'une table SAS contenant des données spécifiques (numériques ou caractères). Elles possèdent des attributs comme le nom, le type, la longueur, l'étiquette et le format d'affichage. (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 variablesColonnes d'une table SAS contenant des données spécifiques (numériques ou caractères). Elles possèdent des attributs comme le nom, le type, la longueur, l'étiquette et le format d'affichage. de la table d'entrée sont utilisées par défaut. Pour les variables catégoriellesLes variables catégorielles sont des données qualitatives divisées en groupes distincts (nominales ou ordinales), utilisées dans SAS Viya pour segmenter les analyses et définir des classes., vous pouvez les désigner comme nominals.

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

Exemples pour l'action analyzeMissingPatterns

Analyse globale basique

Exécution de l'action sur la table entière avec les options par défaut, en spécifiant simplement la table d'entrée et la table de sortie.

Analyse ciblée avec variables nominales et algorithme robuste

Cette fois, on cible un sous-ensemble de variables (inputs), en forçant le format de 'Type', en ajoutant la variable 'MSRP' comme cible et en activant le filet de sécurité algorithmique Misra-Gries.

Conseil de l'Expert
Évitez d'inclure des identifiants uniques (clés primaires de type UUID ou RowID) dans votre liste de variables. Ces colonnes n'ont généralement pas de schémas de valeurs manquantes corrélés avec le reste du dataset et alourdissent inutilement la table de sortie casOut en augmentant le nombre de combinaisons de patterns possibles.

Cette réponse vous a-t-elle aidé ?

Utilisateur FAQ SAS Viya
Vos votes aident à améliorer notre base de connaissances.

Action CAS associée

dataSciencePilot

analyzeMissingPatterns
À lire aussi...
Qu'est-ce que l'action 'analyzeMissingPatterns' et pourquoi est-elle cruciale pour la qualité de mes données ? Qu'est-ce que l'action 'analyzeMissingPatterns' et pourquoi est-elle cruciale pour la qualité de mes données ? Comment puis-je contrôler la sortie des résultats de l'analyse des schémas manquants ? Comment puis-je contrôler la sortie des résultats de l'analyse des schémas manquants ? Comment puis-je spécifier la table d'entrée pour l'analyse des schémas manquants avec 'analyzeMissingPatterns' ? Comment puis-je spécifier la table d'entrée pour l'analyse des schémas manquants avec 'analyzeMissingPatterns' ? Comment l'action 'analyzeMissingPatterns' gère-t-elle les grandes quantités de valeurs distinctes ou les distributions de fréquence complexes ? Comment l'action 'analyzeMissingPatterns' gère-t-elle les grandes quantités de valeurs distinctes ou les distributions de fréquence complexes ?