Puntúa una tabla utilizando un modelo de bosque (forest) previamente entrenado. Esta acción aplica el modelo a una tabla de entrada para generar predicciones, clasificaciones o estimaciones. Permite calcular errores, obtener probabilidades de eventos y evaluar la importancia de las variables e interacciones durante el proceso de puntuación.
| Parámetro | Descripción |
|---|---|
| applyRowOrder | Especifica que se desea que la acción utilice un orden de filas preespecificado. Esto requiere el uso de los parámetros orderby y groupby en una llamada preliminar a la acción table.partition. |
| assess | Cuando se establece en True, se agregan probabilidades predichas a la tabla de resultados para los niveles de evento. Puede utilizar estas probabilidades predichas con la acción assess. |
| assessOneRow | Cuando se establece en True, se agregan probabilidades predichas a la tabla de resultados para los niveles de evento como columnas separadas con el prefijo _DT_P_. |
| casOut | Especifica la tabla donde se almacenarán los resultados puntuados. Si no se especifica, la acción puntúa el conjunto de datos y calcula solo la tasa de clasificación errónea para clasificaciones y el error cuadrático medio para regresiones. |
| copyVars | Especifica las variables que se transferirán de la tabla de entrada a la tabla de salida. |
| encodeName | Especifica si codificar los nombres de las variables, como las probabilidades predichas de un objetivo binario o nominal en la tabla casout generada. Las probabilidades predichas se nombran con el prefijo P_ en lugar de _DT_P_. |
| impute | Especifica cómo manejar observaciones con valor no faltante para la variable objetivo. Cuando es true, se asume que los valores observados se conocen sin error y se utilizan como valores predichos. |
| includeMissing | Por defecto, se incluyen las observaciones con valores faltantes. Cuando se establece en False, las observaciones con valores faltantes para las variables utilizadas en el modelo de árbol se ignoran al puntuar. |
| isolation | Genera puntuaciones de aislamiento para la detección de anomalías. |
| modelId | Especifica el nombre de la variable de ID del modelo a utilizar al generar la tabla puntuada. Por defecto, es _DT_PredName_ para clasificaciones, _DT_PredLowerbd_ y _DT_PredUpperbd_ para objetivos agrupados, y _DT_PredMean_ para regresiones. |
| modelTable | Especifica la tabla que contiene el modelo generado previamente. |
| nTree | Especifica el número de árboles a utilizar durante la puntuación. El valor predeterminado es MACINT. |
| rbaImp | Especifica la importancia de la variable utilizando el método de asignaciones de ramas aleatorias (RBA). |
| seed | Especifica la semilla para el generador de números aleatorios. El valor predeterminado es 0 (basado en el reloj del sistema). |
| table | Especifica la configuración para la tabla de entrada que se va a puntuar. |
| target | Especifica la variable objetivo al puntuar un conjunto de datos. Si el nombre de la variable objetivo en el modelo de árbol es el mismo en la tabla puntuada, esta opción no es necesaria. |
| treeError | Cuando se establece en True, el error se calcula para cada árbol. |
| treeVotes | Solicita que la tabla puntuada generada por la puntuación del bosque se mejore con información sobre los votos de los árboles individuales. |
| varIntImp | Solicita la importancia de la interacción de variables y especifica el grado máximo de interacción (Rango 0-3, por defecto 1). |
| vote | Especifica la estrategia de voto para la clasificación (MAJORITY o PROB). Influye en el código de puntuación SAS generado y en los cálculos de error OOB. |
Carga el conjunto de datos 'cars' y entrena un modelo de bosque (forestTrain) para usarlo en la puntuación.
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.loadTable / caslib="sashelp" |
| 4 | SOURCE="cars.sas7bdat" casOut={name="cars", replace=true}; |
| 5 | decisionTree.forestTrain / TABLE={name="cars"} target="Origin" inputs={"MSRP", "Horsepower", "EngineSize"} casOut={name="forest_model", replace=true}; |
| 6 | |
| 7 | RUN; |
| 8 |
Puntúa la tabla 'cars' utilizando el modelo 'forest_model' y guarda los resultados.
| 1 | |
| 2 | PROC CAS; |
| 3 | decisionTree.forestScore / TABLE={name="cars"} modelTable={name="forest_model"} casOut={name="cars_scored", replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
Puntúa la tabla solicitando probabilidades, copiando variables identificativas y codificando nombres.
| 1 | |
| 2 | PROC CAS; |
| 3 | decisionTree.forestScore / TABLE={name="cars"} modelTable={name="forest_model"} casOut={name="cars_scored_adv", replace=true} copyVars={"Make", "Model"} vote="PROB" assess=true encodeName=true; |
| 4 | |
| 5 | RUN; |
| 6 |