/******************************************************************************
 * Programme : Multithreading in Data Mining and Machine Learning Procedures
 * Reference : MULTITFE86
 * Source    : https://www.wearecas.eu/en/sampleCode/MULTITFE86
 ******************************************************************************/

/* --- BLOC 1 --- */
/* Création d'une table CAS simple pour la démonstration */
data casuser.produits;
    input produit $ prix stock;
    datalines;
Pomme 1.0 100
Banane 0.5 200
Orange 1.2 150
Poire 0.8 120
Raisin 2.5 50
;
run;

/* Exécution basique de PROC FACTMAC */
proc factmac data=casuser.produits;
    model prix = produit stock;
    output out=casuser.factmac_output;
run;

/* Affichage des résultats (partiel) */
proc print data=casuser.factmac_output (obs=5);
run;

proc casutil incaslib="casuser";
    droptable casdata="produits" quiet;
    droptable casdata="factmac_output" quiet;
run;

/* --- BLOC 2 --- */
/* Création d'une table CAS pour la démonstration de classification */
data casuser.clients;
    call streaminit(123);
    do i=1 to 1000;
        age = rand('uniform', 18, 65);
        revenu = rand('normal', 50000, 15000);
        satisfaction_produit = ceil(rand('uniform', 1, 5));
        if revenu > 60000 and age > 30 then
            loyal = 1;
        else
            loyal = 0;
        output;
    end;
    drop i;
run;

/* Exécution de PROC FOREST avec des options courantes */
proc forest data=casuser.clients;
    input age revenu satisfaction_produit;
    target loyal;
    ods output FitStatistics=casuser.forest_stats;
    train ntree=100 seed=1234 maxdepth=10;
    save rstore=casuser.forest_model;
run;

/* Affichage des statistiques d'ajustement */
proc print data=casuser.forest_stats;
run;

proc casutil incaslib="casuser";
    droptable casdata="clients" quiet;
    droptable casdata="forest_stats" quiet;
    droptable casdata="forest_model" quiet;
run;

/* --- BLOC 3 --- */
/* Création d'une table CAS avec des données de test */
data casuser.test_data;
    call streaminit(456);
    do i=1 to 200;
        age = rand('uniform', 20, 70);
        revenu = rand('normal', 60000, 20000);
        satisfaction_produit = ceil(rand('uniform', 1, 5));
        output;
    end;
    drop i;
run;

/* Utilisation d'un modèle NNET pré-entraîné (ici, simulé par des coefficients simples) */
/* Dans un scénario réel, un modèle NNET serait entraîné et sauvegardé */
/* Ici, nous simulons l'étape de scoring */

data casuser.scored_data;
    set casuser.test_data;
    /* Simulation d'un scoring simple basé sur les inputs */
    score_loyal = 0.5 + 0.01 * age + 0.00001 * revenu - 0.1 * satisfaction_produit;
    if score_loyal > 0.7 then predicted_loyal = 1; else predicted_loyal = 0;
run;

/* Affichage des données scorées */
proc print data=casuser.scored_data (obs=10);
run;

proc casutil incaslib="casuser";
    droptable casdata="test_data" quiet;
    droptable casdata="scored_data" quiet;
run;

/* --- BLOC 4 --- */
/* Création d'une table CAS avec une variable de partitionnement */
data casuser.ventes;
    call streaminit(789);
    do i=1 to 5000;
        region_id = ceil(rand('uniform', 1, 4)); /* 4 régions */
        publicite = rand('uniform', 0, 1000);
        prix = rand('uniform', 10, 100);
        ventes_reelles = 500 + 2 * publicite - 3 * prix + (region_id * 100) + rand('normal', 0, 50);
        output;
    end;
    drop i;
run;

/* Utilisation de PROC GRADBOOST avec PARTITION et options de thread (implicites CAS) */
proc gradboost data=casuser.ventes;
    input publicite prix;
    target ventes_reelles;
    partition region_id;
    /* Les options de multithreading sont gérées par le serveur CAS. */
    /* L'option NTHREADS peut être utilisée dans certaines procs pour limiter explicitement. */
    /* Ici, nous laissons CAS gérer l'allocation automatique des threads par défaut. */
    ods output IterationHistory=casuser.gradboost_hist;
run;

/* Affichage de l'historique d'itération */
proc print data=casuser.gradboost_hist (obs=10);
run;

proc casutil incaslib="casuser";
    droptable casdata="ventes" quiet;
    droptable casdata="gradboost_hist" quiet;
run;