Zeigt Informationen über ein Regressionsmodell an, das aus einem Item-Store wiederhergestellt wurde. Diese Aktion ermöglicht es Benutzern, verschiedene Berichte und Details eines zuvor trainierten und gespeicherten Zähldaten-Regressionsmodells zu überprüfen, ohne das Modell neu trainieren zu müssen. Dies ist nützlich für die Modellvalidierung, Berichterstattung und den Vergleich.
| Parameter | Beschreibung |
|---|---|
| display | Gibt die Liste der Anzeigetabellen an, die die Aktion erstellen soll. Wenn dieser Parameter weggelassen wird, werden alle Tabellen erstellt. |
| instore | Gibt den Eingabe-Item-Store an, aus dem ein Regressionsmodell wiederhergestellt wird. Dies ist ein erforderlicher Parameter. |
| outputTables | Gibt die Liste der Anzeigetabellen an, die als CAS-Tabellen ausgegeben werden sollen. Wenn dieser Parameter weggelassen wird, werden keine Tabellen als CAS-Tabellen ausgegeben. |
| table | Gibt die Eingabedatentabelle an. Dies ist ein erforderlicher Parameter, der für den Kontext des Modells benötigt wird. |
| timingReport | Gibt die Art der Zeitinformationen an, die die Aktion bereitstellen soll, z. B. eine detaillierte Zusammenfassung oder eine allgemeine Übersicht. |
| viewOptions | Gibt an, welche Berichte über das aus dem Item-Store wiederhergestellte Regressionsmodell angezeigt werden sollen. |
| viewOptions.all | Wenn auf True gesetzt, werden alle Informationen für das aus dem Item-Store wiederhergestellte Modell gemeldet. |
| viewOptions.classVarLevels | Wenn auf True gesetzt, werden die Klassifikationsvariablen und ihre Stufen für das wiederhergestellte Modell gemeldet. |
| viewOptions.correlations | Wenn auf True gesetzt, werden die Korrelationen der Parameter für das wiederhergestellte Modell gemeldet. |
| viewOptions.covariances | Wenn auf True gesetzt, werden die Kovarianzen der Parameter für das wiederhergestellte Modell gemeldet. |
| viewOptions.finalEstimates | Wenn auf True gesetzt, werden die endgültigen Parameterschätzungen gemeldet, die der Optimierungsprozess für das wiederhergestellte Modell generiert hat. |
| viewOptions.fitModelSummary | Wenn auf True gesetzt, wird die Zusammenfassung der Modellanpassung für das wiederhergestellte Modell gemeldet. |
| viewOptions.initialEstimates | Wenn auf True gesetzt, werden die anfänglichen Parameterschätzungen gemeldet, die im Optimierungsprozess für das wiederhergestellte Modell verwendet wurden. |
| viewOptions.minimal | Wenn auf True gesetzt, werden minimale Informationen für das wiederhergestellte Modell gemeldet. Dies ist die Standardeinstellung. |
| viewOptions.modelDefinition | Wenn auf True gesetzt, werden die Gleichungen, die das Modell definierten, und alle auferlegten Randbedingungen für das wiederhergestellte Modell gemeldet. |
| viewOptions.none | Wenn auf True gesetzt, werden keine Informationen für das aus dem Item-Store wiederhergestellte Modell gemeldet. |
| viewOptions.optimizerSettings | Wenn auf True gesetzt, werden die Einstellungen gemeldet, die den Optimierungsprozess für das wiederhergestellte Modell beeinflusst haben. |
Dieser SAS-Code erstellt eine Tabelle namens 'Charity' in der CAS-Bibliothek 'casuser'. Die Tabelle enthält simulierte Daten über wohltätige Spenden, einschließlich der Anzahl der Spenden ('NumDonations'), des Alters ('Age') und des Einkommens ('Income') der Spender. Diese Daten werden verwendet, um ein Zähldaten-Regressionsmodell zu trainieren und anschließend dessen gespeicherte Informationen anzuzeigen.
| 1 | DATA casuser.Charity; |
| 2 | DO i = 1 to 100; |
| 3 | Age = 20 + int(60 * ranuni(1)); |
| 4 | Income = 30000 + int(70000 * ranuni(1)); |
| 5 | lambda = exp(-2 + 0.03 * Age + 0.00001 * Income); |
| 6 | NumDonations = ranpoi(1, lambda); |
| 7 | OUTPUT; |
| 8 | END; |
| 9 | RUN; |
Dieses Beispiel trainiert zuerst ein einfaches Poisson-Regressionsmodell mit der Aktion `countreg.countregFitModel` und speichert es in einem Item-Store namens 'model_store'. Anschließend wird die Aktion `countreg.countregViewStore` verwendet, um die Standardinformationen (minimale Ansicht) des gespeicherten Modells anzuzeigen.
| 1 | PROC CAS; |
| 2 | countreg.countregFitModel TABLE='Charity', |
| 3 | model={depvar='NumDonations', effects={'Age', 'Income'}}, |
| 4 | store={name='model_store', replace=true}; |
| 5 | countreg.countregViewStore TABLE='Charity', |
| 6 | instore='model_store'; |
| 7 | RUN; |
Nach dem Speichern eines Modells (wie im einfachen Beispiel) zeigt dieses Beispiel, wie der Parameter `viewOptions` verwendet wird, um spezifische Berichte wie die Kovarianz- und Korrelationsmatrizen der Parameterschätzungen sowie die endgültigen Schätzungen anzuzeigen.
| 1 | PROC CAS; |
| 2 | countreg.countregFitModel TABLE='Charity', |
| 3 | model={depvar='NumDonations', effects={'Age', 'Income'}}, |
| 4 | store={name='model_store', replace=true}; |
| 5 | countreg.countregViewStore TABLE='Charity', |
| 6 | instore='model_store', |
| 7 | viewOptions={covariances=true, correlations=true, finalEstimates=true}; |
| 8 | RUN; |
Dieses Beispiel zeigt, wie die Option `all=true` im Parameter `viewOptions` verwendet wird, um alle verfügbaren gespeicherten Informationen und Berichte für ein trainiertes Modell auszugeben. Dies ist nützlich für eine umfassende Überprüfung des Modells.
| 1 | PROC CAS; |
| 2 | countreg.countregFitModel TABLE='Charity', |
| 3 | model={depvar='NumDonations', effects={'Age', 'Income'}}, |
| 4 | store={name='model_store', replace=true}; |
| 5 | countreg.countregViewStore TABLE='Charity', |
| 6 | instore='model_store', |
| 7 | viewOptions={all=true}; |
| 8 | RUN; |
Ein Einzelhandelsunternehmen hat ein Modell entwickelt, um die Anzahl der jährlichen Käufe von Kunden basierend auf Einkommen und Mitgliedschaftsdauer vorherzusagen. Das Data-Sc...
Eine Versicherungsgesellschaft analysiert die Schadenshäufigkeit in einem großen Portfolio. Vor dem Deployment in die Produktion muss sichergestellt werden, dass alle Aspekte de...
In einer Fertigungsstraße werden Produktdefekte gezählt. Ingenieure vermuten eine starke Korrelation zwischen der Maschinengeschwindigkeit und der Temperatur, die das Modell bee...