Comment l'action 'assess' gère-t-elle les valeurs manquantes de la variable cible?

Maîtrise des Missing Values dans l'Action Assess

Valeurs manquantes Variable cible Courbe ROC Indice Gini Évaluation modèle

Par défaut, les observations pour lesquelles la variable cible présente des valeurs manquantes sont incluses dans l'analyse. Pour les exclure, vous devez définir le paramètre noMissingTarget sur TRUE.

Schéma : Comment l'action 'assess' gère-t-elle les valeurs manquantes de la variable cible?

Exemple de Code Additionnel

1	<pre>/* CASL Script : Nettoyage de la cible et évaluation de modèle
2	(c) Nicolas Housset 2026 */
3	PROC CAS;
4	/* Chargement de l'action set */
5	LOADACTIONSET "percentile";
6	/* Évaluation avec exclusion explicite des observations sans cible /
7	percentile.assess /
8	table={
9	name="MODEL_SCORED_DATA",
10	caslib="PUBLIC",
11	where="P_TARGET_EVENT > 0" /* Filtrage optionnel supplémentaire */
12	}
13	inputs={"P_TARGET_EVENT"}
14	response="TARGET"
15	event="1"
16	/* Paramètre CRITIQUE : évite de polluer les statistiques de validation */
17	noMissingTarget=True
18	casOut={name="ASSESS_CLEAN", replace=TRUE}
19	copyVars={"TARGET", "P_TARGET_EVENT"};
20	/* Vérification du nombre d'observations traitées */
21	TABLE.recordCount / TABLE={name="ASSESS_CLEAN"};
22	QUIT;</pre>

Exemples pour l'action assess

Évaluation d'un modèle binaire simple

Évaluation basique d'un modèle de classification binaire pour générer les courbes Lift et ROC standard.

Évaluation avancée avec centiles et pas ROC ajusté

Une évaluation plus granulaire pour les puristes, en utilisant 100 centiles (au lieu de 20 bins par défaut) et un pas plus fin pour lisser la courbe ROC.

Vous pourriez aussi aimer...

Conseil de l'Expert

En phase de production, l'inclusion par erreur de valeurs manquantes dans la variable cible fausse radicalement votre courbe de ROC et votre Gini. Activez systématiquement noMissingTarget=True pour vous assurer que vos métriques reflètent uniquement la réalité terrain observée.

Mécanismes Techniques de Traitement des Cibles

Biais de Performance : Si des valeurs manquantes sont conservées sans filtrage, SAS Viya les traite comme une modalité spécifique ou les ignore dans certains calculs de ratio, ce qui peut conduire à une surestimation de l'exactitude du modèle.
Impact sur le Lift : L'inclusion de cibles manquantes modifie le dénominateur de la prévalence globale, ce qui déplace le point de référence de la ligne de base (baseline) sur vos rapports de Lift.

Cette réponse vous a-t-elle aidé ?