Dans un environnement de calcul distribué comme SAS Viya, l ordre des lignes peut varier. Pour garantir des résultats identiques entre deux exécutions, il est crucial d utiliser le paramètre seed pour fixer le générateur de nombres aléatoires. De plus, le paramètre applyRowOrder (ou son alias reproducibleRowOrder) assure que l action respecte un ordonnancement strict des données, à condition que celles-ci aient été préalablement partitionnées. C est une exigence technique forte pour les environnements réglementés où chaque 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). doit être auditable et reproductible à l identique.
Comment assurer la reproductibilité de vos modèles de boosting sur un cluster ?
Exemples pour l'action gbtreeTrain
Entraînement de base
Un exemple minimal pour lancer votre premier boosting sur la variable 'BAD'.
Boosting optimisé avec régularisation et importance des variables
Ici, on passe aux choses sérieuses : 100 arbres, un taux d'apprentissage de 0.05, de la régularisation Ridge et le calcul de l'importance des variables.
Cette réponse vous a-t-elle aidé ?
À lire aussi...
Pourquoi le paramètre earlyStop est-il indispensable pour vos modèles en production ?
Quel est l intérêt d utiliser le subSampleRate dans vos calculs distribués ?
Comment l action gbtreeTrain révolutionne-t-elle la précision de vos modèles prédictifs ?
Peut-on transférer la connaissance de données auxiliaires vers un modèle cible ?
Comment gérer des données d assurance ou de sinistralité avec la distribution Tweedie ?