Comment industrialiser et déployer vos modèles genmod en un clin d'oeil ?

La mise en production est simplifiée grâce à deux mécanismes clés :

  • Le paramètre store permet de sauvegarder l'intégralité du 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). dans une table binaire (objet BLOB). Ce 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). peut ensuite être restauré instantanément via le paramètre restore ou utilisé par d'autres actions pour le scoringProcessus d'application d'un modèle prédictif à de nouvelles données pour calculer une probabilité ou un score, permettant ainsi d'automatiser la prise de décision en temps réel sur SAS Viya..
  • Le paramètre code génère automatiquement le bloc de code SAS suivant : data step scoring code. Ce code peut être directement intégré dans vos flux de données traditionnels pour calculer des prédictions sur de nouvelles données sans avoir à re-déclarer la logique mathématique du 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)..

Exemples pour l'action genmod

Régression de Poisson simple

Ajuste un modèle de base pour prédire le nombre de réclamations en fonction du groupe d'âge.

Modèle logistique avec sélection de variables et sauvegarde

Un exemple complet incluant la déclaration des classes, une sélection 'Forward' et l'exportation du modèle pour le futur.

Analyse de mesures répétées (GEE)

Utilisation du paramètre 'repeated' pour gérer les corrélations au sein d'un groupe (ex: par Région).