Contexto empresarial
Un hospital universitario procesa millones de notas clínicas históricas. Necesitan extraer reglas complejas para identificar pacientes con 'Riesgo_Alto' de reingreso. Este escenario prueba la capacidad de la acción para manejar un volumen alto de relaciones término-documento y filtrar ruido usando parámetros de soporte mínimo.
Sobre el conjunto : boolRule
Extracción de reglas booleanas para clasificación.
Descubrir todas las acciones de boolRule Preparación de datos
Simulación de 10,000 documentos y 50,000 relaciones término-documento mediante bucles.
¡Copiado!
| 1 | |
| 2 | DATA mycas.med_docs; |
| 3 | DO i=1 to 10000; |
| 4 | id_doc=i; |
| 5 | IF mod(i,5)=0 THEN cat='Riesgo'; |
| 6 | ELSE cat='Normal'; |
| 7 | OUTPUT; |
| 8 | END; |
| 9 | |
| 10 | RUN; |
| 11 | |
| 12 | DATA mycas.med_terms; |
| 13 | DO j=1 to 500; |
| 14 | id_term=j; |
| 15 | label_term=catx('_','sintoma',j); |
| 16 | OUTPUT; |
| 17 | END; |
| 18 | |
| 19 | RUN; |
| 20 | |
| 21 | DATA mycas.med_links; |
| 22 | DO k=1 to 50000; |
| 23 | id_doc=ceil(rand('uniform')*10000); |
| 24 | id_term=ceil(rand('uniform')*500); |
| 25 | OUTPUT; |
| 26 | END; |
| 27 | |
| 28 | RUN; |
| 29 |
Étapes de réalisation
1
Ejecución con parámetros de filtrado agresivos para optimizar rendimiento (minSupports, maxCandidates).
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | boolRule.brTrain / TABLE={name='med_links'} docId='id_doc' termId='id_term' docInfo={TABLE={name='med_docs'}, id='id_doc', targets={'cat'}, targetType='BINARY', events={'Riesgo'}} termInfo={TABLE={name='med_terms'}, id='id_term', label='label_term'} minSupports=50 maxCandidates=200 nThreads=4 casOut={rules={name='reglas_medicas', replace=true}, candidateTerms={name='candidatos_med', replace=true}}; |
| 4 | |
| 5 | RUN; |
| 6 |
Resultado esperado
La acción debe completar el procesamiento sin errores de memoria. Debido al alto 'minSupports' (50), solo los síntomas muy frecuentes deben generar reglas. Se espera que la tabla 'candidatos_med' sea significativamente menor que el total de términos disponibles.