Geschäftskontext
Ein Fertigungsunternehmen überwacht Tausende von Sensoren an seinen Maschinen. Ein tiefes neuronales Netzwerk wurde trainiert, um Maschinenausfälle vorherzusagen. Aufgrund der hohen Anzahl von Merkmalen und der Komplexität des Modells muss sichergestellt werden, dass die `annCode`-Aktion den Scoring-Code effizient und mit benutzerdefinierten Namen für die Nachverfolgbarkeit generiert.
Über das Set : neuralNet
Training klassischer künstlicher neuronaler Netze.
Entdecken Sie alle Aktionen von neuralNet Datenaufbereitung
Erstellung einer großen, simulierten Modell-Tabelle, die ein tiefes neuronales Netzwerk mit mehreren versteckten Schichten und vielen Neuronen darstellt.
Kopiert!
| 1 | DATA casuser.iot_deep_model (promote=yes); |
| 2 | INFORMAT _state_ $256. _layerType_ $32. _layerAct_ $32.; |
| 3 | LENGTH _state_ $256 _layerType_ $32 _layerAct_ $32; |
| 4 | DO _layerId_ = 2 to 10; |
| 5 | DO _neuronId_ = 1 to 100; |
| 6 | _layerType_ = 'HIDDEN'; |
| 7 | _weight_ = rand('UNIFORM'); |
| 8 | _bias_ = rand('NORMAL', 0, 0.1); |
| 9 | _layerAct_ = 'TANH'; |
| 10 | _state_ = ''; |
| 11 | OUTPUT; |
| 12 | END; |
| 13 | END; |
| 14 | _layerId_ = 11; _layerType_ = 'OUTPUT'; _neuronId_=1; _weight_=rand('UNIFORM'); _bias_=0; _layerAct_='SIGMOID'; OUTPUT; |
| 15 | RUN; |
Étapes de réalisation
1
Generierung des Scoring-Codes unter Verwendung des Parameters `modelId`, um die ausgegebenen Scoring-Variablen eindeutig zu benennen. Dies ist entscheidend für die Integration in bestehende Scoring-Prozesse.
Kopiert!
| 1 | PROC CAS; |
| 2 | ACTION neuralNet.annCode / |
| 3 | modelTable={name='iot_deep_model', caslib='casuser'} |
| 4 | modelId='IoT_Failure_Predict_v2' |
| 5 | code={casOut={name='iot_score_code', caslib='casuser', replace=true}, comment=false, lineSize=200}; |
| 6 | RUN; |
| 7 | QUIT; |
2
Überprüfung, ob die generierten Scoring-Variablen im Code den im `modelId`-Parameter angegebenen Namen verwenden (z.B. `P_IoT_Failure_Predict_v21`, `I_IoT_Failure_Predict_v2`).
Kopiert!
| 1 | PROC CAS; |
| 2 | TABLE.fetch / |
| 3 | TABLE={name='iot_score_code', caslib='casuser'} |
| 4 | to=10; |
| 5 | RUN; |
| 6 | QUIT; |
Erwartetes Ergebnis
Die Aktion generiert erfolgreich den DATA-Step-Code für das komplexe Modell. Der generierte Code in der Tabelle `iot_score_code` enthält Scoring-Variablen, deren Namen vom `modelId`-Parameter abgeleitet sind (z.B. `P_IoT_Failure_Predict_v21`). Die Zeilenlänge des Codes überschreitet 200 Zeichen nicht, und es sind keine Kommentare enthalten.