Erzeugt Cluster-Gewichtungen unter Verwendung eines zuvor gespeicherten Modells.
| Parameter | Beschreibung |
|---|---|
| allstats | Wenn auf True gesetzt, werden alle Statistiken zur Ausgabetabelle hinzugefügt. |
| casOut | Gibt die Einstellungen für eine Ausgabetabelle an. |
| copyVars | Gibt eine Liste von einer oder mehreren Variablen an, die von der Eingabetabelle in die Ausgabetabelle kopiert werden sollen. Sie können alternativ den Wert ALL oder ALL_NUMERIC angeben, der jeweils alle Variablen oder alle numerischen Variablen aus der Eingabetabelle in die Ausgabetabelle kopiert. |
| currClus | Gibt ein Präfix für die Benennung der Schätzungen der Cluster-Mitgliedschaftswahrscheinlichkeit aus dem Erwartungsschritt (E-Schritt) an, der die Mittelwert- und Kovarianzschätzungen im abschließenden Maximierungsschritt (M-Schritt) erzeugt hat. |
| display | Gibt eine Liste von Ergebnistabellen an, die zur Anzeige an den Client gesendet werden sollen. |
| loglik | Gibt ein Präfix für die Benennung der Cluster-Log-Likelihoods an. |
| maxpost | Gibt ein Präfix für die Benennung des Clusters mit der maximalen A-posteriori-Wahrscheinlichkeit an. |
| nextClus | Gibt ein Präfix für die Benennung der Schätzungen der Cluster-Mitgliedschaftswahrscheinlichkeit aus einem zusätzlichen Erwartungsschritt (E-Schritt) an, der die Mittelwert- und Kovarianzschätzungen aus dem abschließenden Maximierungsschritt (M-Schritt) verwendet. |
| outputTables | Listet die Namen der Ergebnistabellen auf, die als CAS-Tabellen auf dem Server gespeichert werden sollen. |
| pred | Gibt ein Präfix für die Benennung der vorhergesagten Werte an. |
| restore | Gibt den zu verwendenden Item-Store für das Scoring an. |
| role | Gibt den Namen für die Spalte an, die die Beobachtungsrolle enthält. |
| table | Gibt die Eingabedatentabelle an. |
Dieser Schritt erstellt eine Beispieltabelle `mycas.score_data` mit Beobachtungen, die bewertet werden sollen. Die Variablen `x1` und `x2` werden für das Scoring verwendet. Das Modell muss zuvor mit der Aktion `mbcFit` erstellt und in `mycas.my_model` gespeichert worden sein.
| 1 | DATA mycas.score_data; |
| 2 | INPUT x1 x2; |
| 3 | DATALINES; |
| 4 | 1.0 2.5 |
| 5 | 1.2 2.9 |
| 6 | 5.0 5.5 |
| 7 | 5.2 5.9 |
| 8 | ; |
| 9 | RUN; |
Dieses Beispiel zeigt, wie die Aktion `mbcScore` verwendet wird, um eine neue Tabelle mit den Cluster-Gewichten zu erstellen, basierend auf einem zuvor gespeicherten Modell in `mycas.my_model`.
| 1 | PROC CAS; |
| 2 | mbc.mbcScore / |
| 3 | restore={name='my_model' caslib='mycas'}, |
| 4 | TABLE={name='score_data' caslib='mycas'}, |
| 5 | casOut={name='scored_output' caslib='mycas' replace=true}; |
| 6 | RUN; |
| 7 | QUIT; |
Dieses Beispiel führt ein Scoring für die Tabelle `score_data` durch. Es werden alle verfügbaren Statistiken berechnet (`allstats=true`). Die Parameter `currClus`, `loglik` und `maxpost` werden verwendet, um die Namen der Ausgabespalten für die Clusterwahrscheinlichkeiten, die Log-Likelihood und den Cluster mit der höchsten A-posteriori-Wahrscheinlichkeit festzulegen. Die ursprünglichen Variablen werden ebenfalls in die Ausgabetabelle `scored_output_detailed` kopiert.
| 1 | PROC CAS; |
| 2 | mbc.mbcScore / |
| 3 | restore={name='my_model' caslib='mycas'}, |
| 4 | TABLE={name='score_data' caslib='mycas'}, |
| 5 | allstats=true, |
| 6 | copyVars={'x1', 'x2'}, |
| 7 | currClus='prob_', |
| 8 | loglik='loglik_', |
| 9 | maxpost='max_post_cluster', |
| 10 | casOut={name='scored_output_detailed' caslib='mycas' replace=true}; |
| 11 | RUN; |
| 12 | QUIT; |