L'action Hidden Markov Model (HMM) fournit une action pour l'apprentissage et l'inférence de modèles de Markov cachés. Elle permet d'apprendre et d'inférer des modèles de Markov cachés, offrant des fonctionnalités pour ajuster le modèle, effectuer le décodage, le filtrage, la prévision et le lissage des données.
| Parameter | Beschreibung |
|---|---|
| data | Spécifie la table de données d'entrée. Pour plus d'informations sur la spécification du paramètre data, consultez le paramètre castable (Formulaire 1) commun (Annexe A: Paramètres communs). |
| decode | Spécifie les options relatives au problème de décodage, qui consiste à trouver le meilleur chemin d'état possible pour les observations. `out`: Écrit les résultats du décodage dans une table de données de sortie. Pour plus d'informations sur la spécification du paramètre out, consultez le paramètre casouttable (Formulaire 1) commun (Annexe A: Paramètres communs). |
| display | Spécifie la liste des tables d'affichage que vous souhaitez que l'action crée. Si ce paramètre n'est pas spécifié, toutes les tables sont créées. Pour plus d'informations sur la spécification du paramètre display, consultez le paramètre displayTables commun (Annexe A: Paramètres communs). |
| evaluate | Spécifie les options relatives à l'évaluation, qui est le calcul de la log-vraisemblance. `out`: Écrit les résultats de l'évaluation dans une table de données de sortie. Pour plus d'informations sur la spécification du paramètre out, consultez le paramètre casouttable (Formulaire 1) commun (Annexe A: Paramètres communs). |
| filter | Spécifie les options relatives au problème de filtrage, qui consiste à trouver la distribution de probabilité de l'état actuel, conditionnellement aux observations qui précèdent et incluent l'observation actuelle. `out`: Écrit les résultats du filtrage dans une table de données de sortie. Pour plus d'informations sur la spécification du paramètre out, consultez le paramètre casouttable (Formulaire 1) commun (Annexe A: Paramètres communs). |
| forecast | Spécifie les options relatives au problème de prévision, qui consiste à trouver la distribution de probabilité des états futurs et des variables dépendantes. La valeur forecastStmt peut être une ou plusieurs des suivantes : `alpha`: Spécifie la taille de l'intervalle de confiance de la prévision. Valeur par défaut : 0.95. Plage : 0–1. `back`: Spécifie le nombre d'observations avant la fin des données à partir duquel les prévisions multi-étapes commencent. Valeur par défaut : 0. Valeur minimale : 0. `lead`: Spécifie le nombre de valeurs de prévision multi-étapes à calculer. Valeur par défaut : 1. Valeur minimale : 0. `method`: Spécifie la méthode à utiliser pour la prévision. Valeur par défaut : SIMULATION. - `ANALYTIC`: Utilise la méthode analytique. - `SIMULATION`: Utilise la méthode de simulation. `nSim`: Spécifie le nombre de chemins à simuler dans la prévision d'un modèle d'autorégression à changement de régime. Valeur par défaut : 100. Valeur minimale : 0. `online`: Si la valeur est Vrai, effectue les prévisions (multi-étapes) après chaque observation. Valeur par défaut : FAUX. `out`: Écrit les résultats de la prévision dans une table de données de sortie. Pour plus d'informations sur la spécification du paramètre out, consultez le paramètre casouttable (Formulaire 1) commun (Annexe A: Paramètres communs). `outAll`: Écrit les distributions d'état, les moyennes, les erreurs standard, les intervalles de confiance, les médianes et les matrices de covariance des prévisions pour les variables dépendantes dans la table de données de sortie spécifiée. Pour plus d'informations sur la spécification du paramètre outAll, consultez le paramètre casouttable (Formulaire 1) commun (Annexe A: Paramètres communs). |
| id | Identifie les observations dans la table de données d'entrée en spécifiant une variable pour les données de séries chronologiques ou deux variables pour les données de séries chronologiques transversales. Forme longue : id={time="nom-variable"}. Forme abrégée : id="nom-variable". La valeur idStmt peut être une ou plusieurs des suivantes : `section`: Identifie la section de chaque observation. `time`: Identifie l'ordre temporel ou séquentiel de chaque observation. |
| initial | Définit les valeurs initiales des paramètres pour l'optimisation non linéaire lorsque la méthode du maximum de vraisemblance ou la méthode du maximum a posteriori est appliquée à l'estimation du modèle. |
| labelSwitch | Spécifie les paramètres liés au changement d'étiquette d'état. Forme longue : labelSwitch={sort="ASC" | "DESC" | "NONE"}. Forme abrégée : labelSwitch="ASC" | "DESC" | "NONE". La valeur labelSwitchOpt peut être une ou plusieurs des suivantes : `out`: Écrit les changements d'étiquette d'état dans une table de données de sortie. Pour plus d'informations sur la spécification du paramètre out, consultez le paramètre casouttable (Formulaire 1) commun (Annexe A: Paramètres communs). `reorder`: Spécifie le nouvel ordre dans lequel arranger les états. Exigence : les valeurs spécifiées doivent être uniques. `reorderComponent`: Spécifie le nouvel ordre dans lequel arranger les composants. `sort`: Spécifie comment trier les états. Valeur par défaut : ASC. - `ASC`: Trie les états par ordre croissant. - `DESC`: Trie les états par ordre décroissant. - `NONE`: Ne trie pas les états. `sortBy`: Spécifie par quelles variables les états doivent être triés. Valeur par défaut : sigma. Exigence : les valeurs spécifiées doivent être uniques. - `AR`: Trie les états par les paramètres autorégressifs. - `CONST`: Trie les états par les paramètres d'interception. - `COV`: Trie les états par les paramètres de covariance. - `CPM`: Trie les états par la matrice de probabilité de catégorie. - `ISPV`: Trie les états par le vecteur de probabilité d'état initial. - `LAMBDA`: Trie les états par le paramètre de la distribution de Poisson. - `LTREND`: Trie les états par les paramètres de tendance linéaire. - `MCP`: Trie les états par les probabilités des composants de mélange. - `MU`: Trie les états par les paramètres de moyenne. - `QTREND`: Trie les états par les paramètres de tendance quadratique. - `SDUMMY`: Trie les états par les paramètres fictifs saisonniers. - `SIGMA`: Trie les états par les paramètres de covariance. - `TPM`: Trie les états par la matrice de probabilité de transition. - `XL`: Trie les états par les paramètres des variables exogènes. |
| learn | Spécifie les options relatives à l'estimation des paramètres. La valeur learnStmt peut être une ou plusieurs des suivantes : `in`: Spécifie la table de données d'entrée pour les estimations des paramètres. Pour plus d'informations sur la spécification du paramètre in, consultez le paramètre castable (Formulaire 1) commun (Annexe A: Paramètres communs). `out`: Écrit les estimations des paramètres dans une table de données de sortie. Pour plus d'informations sur la spécification du paramètre out, consultez le paramètre casouttable (Formulaire 1) commun (Annexe A: Paramètres communs). `outAll`: Écrit les estimations des paramètres, leurs erreurs standard et la matrice de covariance dans la table de données de sortie spécifiée. Pour plus d'informations sur la spécification du paramètre outAll, consultez le paramètre casouttable (Formulaire 1) commun (Annexe A: Paramètres communs). |
| model | Spécifie les variables dépendantes (endogènes) pour le modèle et les options relatives à la spécification du modèle. La valeur modelStmt peut être une ou plusieurs des suivantes : `arMean`: Spécifie la forme de la moyenne à utiliser dans le modèle d'autorégression à changement de régime. Valeur par défaut : STANDARD. - `ADJUSTED`: Utilise la forme ajustée par la moyenne dans le modèle d'autorégression à changement de régime. - `STANDARD`: Utilise la forme de moyenne standard dans le modèle d'autorégression à changement de régime. `depvars`: Spécifie les variables dépendantes (endogènes) pour le modèle. `estIspv`: Si la valeur est Vrai, estime le vecteur de probabilité d'état initial (ISPV) au lieu de le fixer à la distribution stationnaire de la chaîne de Markov. Valeur par défaut : FAUX. `indepvars`: Spécifie les variables indépendantes (exogènes) pour le modèle. `method`: Spécifie la méthode à utiliser pour l'estimation des paramètres. Valeur par défaut : ML. - `MAP`: Utilise la méthode du maximum a posteriori. - `ML`: Utilise la méthode du maximum de vraisemblance. `nComponent`: Spécifie le nombre de composants pour chaque état dans le modèle de Markov caché à mélange gaussien. Valeur par défaut : 1. Valeur minimale : 1. `noCurrentX`: Si la valeur est Vrai, supprime les valeurs actuelles des variables exogènes. Valeur par défaut : FAUX. `noInt`: Si la valeur est Vrai, supprime les paramètres constants (ordonnée à l'origine). Valeur par défaut : FAUX. `nSeason`: Spécifie le nombre de périodes saisonnières. Valeur par défaut : 1. Valeur minimale : 1. `nState`: Spécifie le nombre d'états cachés. Valeur par défaut : 2. Valeur minimale : 1. `nStateTo`: Spécifie la valeur du côté droit de la plage pour le nombre d'états cachés. Valeur par défaut : 0. Valeur minimale : 0. `sCenter`: Si la valeur est Vrai, centre les variables fictives saisonnières, qui sont implicites par le paramètre nSeason. Valeur par défaut : FAUX. `stateIndependent`: Spécifie les paramètres liés aux variables indépendantes de l'état. Valeur par défaut : sigma. Exigence : les valeurs spécifiées doivent être uniques. - `AR`: Trie les états par les paramètres autorégressifs. - `CONST`: Trie les états par les paramètres d'interception. - `COV`: Trie les états par les paramètres de covariance. - `CPM`: Trie les états par la matrice de probabilité de catégorie. - `ISPV`: Trie les états par le vecteur de probabilité d'état initial. - `LAMBDA`: Trie les états par le paramètre de la distribution de Poisson. - `LTREND`: Trie les états par les paramètres de tendance linéaire. - `MCP`: Trie les états par les probabilités des composants de mélange. - `MU`: Trie les états par les paramètres de moyenne. - `QTREND`: Trie les états par les paramètres de tendance quadratique. - `SDUMMY`: Trie les états par les paramètres fictifs saisonniers. - `SIGMA`: Trie les états par les paramètres de covariance. - `TPM`: Trie les états par la matrice de probabilité de transition. - `XL`: Trie les états par les paramètres des variables exogènes. `trend`: Spécifie le degré de tendance temporelle déterministe que le modèle inclut. Valeur par défaut : NONE. - `LINEAR`: Inclut une tendance temporelle linéaire comme régresseur. - `NONE`: N'inclut aucune tendance temporelle comme régresseur. - `QUAD`: Inclut des tendances temporelles linéaires et quadratiques comme régresseurs. `type`: Spécifie le type de modèle d'intérêt. Valeur par défaut : GAUSSIAN. - `AR`: Spécifie le modèle d'autorégression à changement de régime. - `FINITE`: Spécifie le modèle de Markov caché fini. - `GAUSSIAN`: Spécifie le modèle de Markov caché gaussien. - `GAUSSIANMIXTURE`: Spécifie le modèle de Markov caché à mélange gaussien. - `POISSON`: Spécifie le modèle de Markov caché de Poisson. - `REG`: Spécifie le modèle de régression à changement de régime. `xLag`: Spécifie les retards des variables exogènes (indépendantes). Valeur par défaut : 0. Valeur minimale : 0. `yLag`: Spécifie l'ordre du processus autorégressif. Valeur par défaut : 0. Valeur minimale : 0. `yLagTo`: Spécifie la valeur du côté droit de la plage pour l'ordre du processus autorégressif. Valeur par défaut : -1. Valeur minimale : -1. |
| optimize | Spécifie les options relatives à l'optimisation. Forme longue : optimize={algorithm="ACTIVESET" | "EM" | "INTERIORPOINT" | "IPDIRECT" | "SGD"}. Forme abrégée : optimize="ACTIVESET" | "EM" | "INTERIORPOINT" | "IPDIRECT" | "SGD". La valeur optimizeStmt peut être une ou plusieurs des suivantes : `algorithm`: Spécifie l'algorithme d'optimisation à utiliser. Valeur par défaut : ACTIVESET. - `ACTIVESET`: Utilise l'algorithme du jeu d'actifs. - `EM`: Utilise l'algorithme espérance-maximisation. - `INTERIORPOINT`: Utilise l'algorithme du point intérieur. - `IPDIRECT`: Utilise l'algorithme direct du point intérieur. - `SGD`: Utilise l'algorithme de descente de gradient stochastique. `chain`: Spécifie les options pour chaque chaîne. La valeur chainOptions peut être une ou plusieurs des suivantes : - `buffer`: Spécifie la taille du tampon. Valeur par défaut : 20. Valeur minimale : 0. - `length`: Spécifie la longueur de chaque chaîne. Valeur par défaut : 1000. Valeur minimale : 2. `covOfParm`: Si la valeur est Vrai, calcule la matrice de covariance des estimations de paramètres. Valeur par défaut : VRAI. `feasTol`: Spécifie la tolérance de faisabilité. Valeur par défaut : 1E-06. Valeur minimale : 0. `feSessions`: Spécifie le nombre de sous-sessions CAS dédiées aux évaluations de fonctions en mode distribué. Valeur par défaut : -1. Valeur minimale : 1. `feSessNodes`: Spécifie le nombre de nœuds de calcul dans chaque sous-session CAS dédiés aux évaluations de fonctions en mode distribué. Valeur par défaut : -1. Valeur minimale : 1. `maxIter`: Spécifie le nombre maximal d'itérations dans le processus d'optimisation. Valeur par défaut : 128. Valeur minimale : 0. `maxTime`: Spécifie une limite de temps supérieure (en secondes) pour le processus d'optimisation, y compris le temps de génération du problème et le temps de solution. Valeur minimale : 0. `minIter`: Spécifie le nombre minimal d'itérations dans le processus d'optimisation. Valeur par défaut : 0. Valeur minimale : 0. `msMaxStarts`: Spécifie le nombre maximal de points de départ à utiliser par l'algorithme multistart. Valeur par défaut : 100. Valeur minimale : 1. `msRange`: Spécifie la plage, un nombre positif, à partir de laquelle chaque variable peut prendre des valeurs pendant le processus d'échantillonnage en mode multistart. Valeur par défaut : 2. Valeur minimale : 0. `msSampSelRatio`: Spécifie le rapport entre le nombre total de points d'échantillon à générer et la valeur du paramètre msMaxStarts. Valeur par défaut : 20. Plage : 1–80. `msSessNodes`: Spécifie le nombre de nœuds de calcul dans la session CAS dédiés à l'algorithme multistart. Valeur par défaut : -1. Valeur minimale : 1. `multiStart`: Spécifie s'il faut activer le mode multistart, où une valeur de 1 active le mode multistart. Valeur par défaut : 0. Plage : 0–1. `objLimit`: Spécifie une limite supérieure à la magnitude de la valeur objective. Valeur par défaut : 1E+20. Valeur minimale : 100000000. `optTol`: Spécifie la mesure par laquelle l'itération actuelle est déterminée comme une approximation acceptable d'un minimum local. Valeur par défaut : 1E-06. Valeur minimale : 0. `printIterFreq`: Spécifie la fréquence d'affichage de l'historique du processus d'optimisation. Si vous spécifiez une valeur de 0, aucune itération n'est affichée. Valeur par défaut : 0. Valeur minimale : 0. `printLevel`: Spécifie le niveau d'impression de 0 à 3. Une valeur de 1 affiche les valeurs initiales des paramètres et la valeur objective initiale. Une valeur de 2 affiche ces valeurs initiales et les informations de l'algorithme. Une valeur de 3 affiche ces valeurs initiales, les informations de l'algorithme, les valeurs finales des paramètres et la valeur objective finale. Une valeur de 0 supprime toutes ces sorties. Valeur par défaut : 0. Plage : 0–3. `sgdOpt`: Spécifie les options du solveur de descente de gradient stochastique (SGD). La valeur sgdOptions peut être une ou plusieurs des suivantes : - `adaptiveDecay`: Spécifie le taux de décroissance du deuxième moment du gradient pendant chaque itération SGD. Alias : beta2. Valeur par défaut : 0.95. Plage : [0–1). - `adaptiveRate`: Si la valeur est Vrai, utilise le deuxième moment du vecteur de gradient pour ajuster le taux d'apprentissage de la SGD. Valeur par défaut : FAUX. - `annealingRate`: Spécifie le paramètre de recuit. Valeur par défaut : 1E-06. Valeur minimale : 0. - `learningRate`: Spécifie le paramètre de taux d'apprentissage pour la SGD. Valeur par défaut : 0.001. Valeur minimale (exclusive) : 0. - `miniBatchSize`: Spécifie la taille des mini-lots à utiliser en SGD. Valeur par défaut : 1. Valeur minimale : 1. - `momentum`: Spécifie le momentum pour la SGD. Alias : beta1. Valeur par défaut : 0. Plage : [0–1). - `useLocking`: Si la valeur est Vrai, utilise des verrous pour effectuer l'agrégation de threads ; si la valeur est Faux, utilise une opération atomique (non déterministe). Valeur par défaut : FAUX. `single`: Si la valeur est Vrai, exécute l'algorithme EM dans un seul thread sur un seul nœud. Valeur par défaut : FAUX. `solType`: Spécifie si l'optimiseur doit renvoyer uniquement une solution localement optimale, où une valeur de 1 renvoie uniquement une solution localement optimale. Valeur par défaut : 1. Plage : 0–1. |
| outputTables | Spécifie la liste des tables d'affichage que vous souhaitez exporter en tant que tables CAS. Si ce paramètre n'est pas spécifié, aucune table n'est exportée en tant que table CAS. Pour plus d'informations sur la spécification du paramètre outputTables, consultez le paramètre outputTables commun (Annexe A: Paramètres communs). |
| outstat | Écrit la log-vraisemblance et les critères d'information dans une table de données de sortie. Pour plus d'informations sur la spécification du paramètre outstat, consultez le paramètre casouttable (Formulaire 1) commun (Annexe A: Paramètres communs). |
| prior | Définit les valeurs initiales des hyperparamètres dans les distributions a priori des paramètres lorsque la méthode du maximum a posteriori est appliquée à l'estimation du modèle. |
| score | Spécifie les options relatives à l'évaluation des données. La valeur scoreStmt peut être une ou plusieurs des suivantes : `inmodel`: Spécifie la table de données d'entrée pour les informations du modèle. Pour plus d'informations sur la spécification du paramètre inmodel, consultez le paramètre castable (Formulaire 1) commun (Annexe A: Paramètres communs). `outmodel`: Écrit les informations du modèle dans une table de données de sortie. La valeur casouttable peut être une ou plusieurs des suivantes : - `caslib`: Spécifie le nom de la caslib pour la table de sortie. - `lifetime`: Spécifie le nombre de secondes pendant lesquelles la table doit rester en mémoire après son dernier accès. La table est supprimée si elle n'est pas accédée pendant le nombre de secondes spécifié. Valeur par défaut : 0. Valeur minimale : 0. - `memoryFormat`: Spécifie le format de mémoire pour la table de sortie. Valeur par défaut : INHERIT. - `DVR`: Utilise le format de mémoire de réduction des valeurs dupliquées. Ce format de mémoire peut réduire la consommation de mémoire et la taille du fichier lorsque les données d'entrée contiennent des valeurs dupliquées. - `INHERIT`: Utilise le format de mémoire par défaut défini pour le serveur. Par défaut, le serveur utilise le format de mémoire standard. Si un administrateur définit la variable d'environnement CAS_DEFAULT_MEMORY_FORMAT sur DVR, le format de mémoire DVR est alors défini comme valeur par défaut pour le serveur. - `STANDARD`: Utilise le format de mémoire standard. - `name`: Spécifie le nom de la table de sortie. - `replace`: Si la valeur est Vrai, écrase une table existante qui a le même nom. Valeur par défaut : FAUX. - `tableRedistUpPolicy`: Spécifie la politique de redistribution des tables lorsque le nombre de pods de travail augmente sur un serveur CAS en cours d'exécution. - `DEFER`: Différer la sélection de la politique de redistribution à une entité de niveau supérieur. - `NOREDIST`: Ne pas redistribuer les données de la table lorsque le nombre de pods de travail change sur un serveur CAS en cours d'exécution. - `REBALANCE`: Rééquilibrer les données de la table lorsque le nombre de pods de travail change sur un serveur CAS en cours d'exécution. |
| seed | Spécifie un entier non négatif à utiliser comme graine pour la génération de séquences de nombres aléatoires. Valeur par défaut : 1. Valeur minimale : 0. |
| smooth | Spécifie les options relatives au problème de lissage, qui consiste à trouver la distribution de probabilité de l'état conditionnellement à toutes les observations disponibles. `out`: Écrit les résultats du lissage dans une table de données de sortie. Pour plus d'informations sur la spécification du paramètre out, consultez le paramètre casouttable (Formulaire 1) commun (Annexe A: Paramètres communs). |
| store | Spécifie les options relatives à l'utilisation de la technologie du magasin d'analyse. `out`: Écrit les informations du modèle dans une table de données de sortie qui peut être traitée dans la procédure ASTORE. La valeur casouttable peut être une ou plusieurs des suivantes : - `caslib`: Spécifie le nom de la caslib pour la table de sortie. - `lifetime`: Spécifie le nombre de secondes pendant lesquelles la table doit rester en mémoire après son dernier accès. La table est supprimée si elle n'est pas accédée pendant le nombre de secondes spécifié. Valeur par défaut : 0. Valeur minimale : 0. - `memoryFormat`: Spécifie le format de mémoire pour la table de sortie. Valeur par défaut : INHERIT. - `DVR`: Utilise le format de mémoire de réduction des valeurs dupliquées. Ce format de mémoire peut réduire la consommation de mémoire et la taille du fichier lorsque les données d'entrée contiennent des valeurs dupliquées. - `INHERIT`: Utilise le format de mémoire par défaut défini pour le serveur. Par défaut, le serveur utilise le format de mémoire standard. Si un administrateur définit la variable d'environnement CAS_DEFAULT_MEMORY_FORMAT sur DVR, le format de mémoire DVR est alors défini comme valeur par défaut pour le serveur. - `STANDARD`: Utilise le format de mémoire standard. - `name`: Spécifie le nom de la table de sortie. - `replace`: Si la valeur est Vrai, écrase une table existante qui a le même nom. Valeur par défaut : FAUX. - `tableRedistUpPolicy`: Spécifie la politique de redistribution des tables lorsque le nombre de pods de travail augmente sur un serveur CAS en cours d'exécution. - `DEFER`: Différer la sélection de la politique de redistribution à une entité de niveau supérieur. - `NOREDIST`: Ne pas redistribuer les données de la table lorsque le nombre de pods de travail change sur un serveur CAS en cours d'exécution. - `REBALANCE`: Rééquilibrer les données de la table lorsque le nombre de pods de travail change sur un serveur CAS en cours d'exécution. |
Aucun exemple de création de données trouvé dans la documentation fournie. Le document se concentre sur la syntaxe de l'action hmm.
| 1 | /* Aucun code de création de données n'est fourni dans ce document. */ |