Contexto empresarial
Una entidad financiera necesita desarrollar un modelo de red neuronal profunda (DNN) para evaluar el riesgo de crédito de nuevos clientes. El objetivo es inicializar la estructura del modelo en memoria antes de añadir capas densas para el procesamiento de variables tabulares financieras.
Sobre el conjunto : deepLearn
Creación y entrenamiento de redes neuronales profundas.
Descubrir todas las acciones de deepLearn Preparación de datos
Simulación de un conjunto de datos financieros (historial de clientes) para contexto futuro.
¡Copiado!
| 1 | DATA public.historial_credito; |
| 2 | call streaminit(123); |
| 3 | DO id = 1 to 1000; |
| 4 | ingreso = rand('normal', 50000, 10000); |
| 5 | deuda = rand('uniform', 0, 20000); |
| 6 | default = rand('bernoulli', 0.05); |
| 7 | OUTPUT; |
| 8 | END; |
| 9 | RUN; |
Étapes de réalisation
1
Verificación de la sesión CAS y limpieza de tablas previas.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | |
| 4 | TABLE.dropTable / TABLE='modelo_riesgo_v1' quiet=True; |
| 5 | |
| 6 | |
| 7 | RUN; |
| 8 |
2
Inicialización de la estructura del modelo DNN.
¡Copiado!
| 1 | PROC CAS; |
| 2 | DEEPLEARN.buildModel / |
| 3 | modelTable={name='modelo_riesgo_v1', caslib='CASUSER'} |
| 4 | type='DNN'; |
| 5 | RUN; |
Resultado esperado
La acción se ejecuta sin errores. Se crea una tabla CAS vacía llamada 'modelo_riesgo_v1' en la librería CASUSER. El log confirma que el tipo de modelo es DNN.