Geschäftskontext
Ein Fertigungsunternehmen analysiert Sensordaten von Tausenden von Maschinen, um Ausfälle vorherzusagen. Aufgrund des hohen Datenvolumens und der Komplexität des 'Forest'-Modells (Random Forest) ist die Rechenzeit kritisch. Der Test soll verifizieren, ob die parallele Ausführung der Folds die Validierungszeit signifikant reduziert.
Datenaufbereitung
Erstellung eines großen Datensatzes 'maschinen_sensoren' mit Sensordaten.
Kopiert!
| 1 | |
| 2 | DATA casuser.maschinen_sensoren; |
| 3 | call streaminit(999); |
| 4 | DO maschine_id = 1 to 5000; |
| 5 | temperatur = rand('Normal', 80, 5); |
| 6 | vibration = rand('Gamma', 2, 2); |
| 7 | druck = rand('Uniform', 10, 50); |
| 8 | betriebsstunden = rand('Exponential', 1000); |
| 9 | IF temperatur > 90 and vibration > 5 THEN defekt = 1; |
| 10 | ELSE defekt = 0; |
| 11 | OUTPUT; |
| 12 | END; |
| 13 | |
| 14 | RUN; |
| 15 |
Étapes de réalisation
1
Ausführung einer 10-fachen Kreuzvalidierung im Parallel-Modus mit Gradient Boosting.
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | mlTools.crossValidate / TABLE={name='maschinen_sensoren'}, modelType='FOREST', kFolds=10, parallelFolds=TRUE, nSubsessionWorkers=2, trainOptions={ target='defekt', inputs={'temperatur', 'vibration', 'druck', 'betriebsstunden'}, nTrees=50 }; |
| 4 | |
| 5 | RUN; |
| 6 |
Erwartetes Ergebnis
Die Aktion nutzt mehrere Worker-Sessions parallel, um die 10 Folds zu berechnen. Das Protokoll zeigt den Start von Sub-Sessions an, und die Gesamtlaufzeit ist im Vergleich zur seriellen Ausführung reduziert. Ein validiertes Forest-Modell wird ausgegeben.