crossValidate - WeAreCAS

Description

Effectue une validation croisée avec des actions d'apprentissage automatique spécifiées.

mlTools.crossValidate <result=results> <status=rc> / casOut={caslib="string", compress=TRUE | FALSE, indexVars={"variable-name-1" <, "variable-name-2", ...>}, label="string", lifetime=64-bit-integer, maxMemSize=64-bit-integer, memoryFormat="DVR" | "INHERIT" | "STANDARD", name="table-name", promote=TRUE | FALSE, replace=TRUE | FALSE, replication=integer, tableRedistUpPolicy="DEFER" | "NOREDIST" | "REBALANCE", threadBlockSize=64-bit-integer, timeStamp="string", where={"string-1" <, "string-2", ...>}}, kFolds=integer, logLevel=integer, modelType="BNET" | "DECISIONTREE" | "FACTMAC" | "FOREST" | "GRADBOOST" | "NEURALNET" | "SVM", nSubsessionWorkers=integer, parallelFolds=TRUE | FALSE, seed=integer, targetEvent="string", trainOptions={key-1=any-list-or-data-type-1 <, key-2=any-list-or-data-type-2, ...>};

Paramètres

Paramètre	Description
casOut	Spécifie le nom et les détails de la table de sortie de score.
kFolds	Spécifie le nombre de plis à utiliser pour la validation croisée. La valeur par défaut est 5.
logLevel	Spécifie le niveau des messages de journal à écrire : aucun journal (0), journaux d'initialisation et de fin (1), journaux de résumé de configuration ajoutés (2), journaux de début et de fin de pli ajoutés (3). La valeur par défaut est 3.
modelType	Spécifie le type de modèle auquel la validation croisée est appliquée. Les valeurs possibles sont BNET, DECISIONTREE, FACTMAC, FOREST, GRADBOOST, NEURALNET, SVM. La valeur par défaut est DECISIONTREE.
nSubsessionWorkers	Spécifie le nombre de nœuds de travail pour chaque sous-session à utiliser pour l'évaluation parallèle des plis. La valeur par défaut est 0.
parallelFolds	Lorsque défini sur True, évalue les plis en parallèle. La valeur par défaut est TRUE.
seed	Spécifie la graine à utiliser pour l'échantillonnage des plis pour la validation croisée. La valeur par défaut est 0.
targetEvent	Spécifie le nom de l'événement cible nominal à utiliser pour l'évaluation du modèle.
trainOptions	Spécifie une liste de paramètres pour l'action d'entraînement du modèle à utiliser dans le processus de validation croisée.

Exemples

FAQ

Quel est l'objectif de l'action crossValidate ?

À quoi sert le paramètre `kFolds` ?

Quels types de modèles sont pris en charge par le paramètre `modelType` ?

Comment peut-on évaluer les plis en parallèle ?

Quel est le rôle du paramètre `seed` ?

Que faut-il spécifier dans le paramètre obligatoire `trainOptions` ?

Comment spécifier l'événement cible pour l'évaluation du modèle ?