Contexto empresarial
Una empresa eléctrica necesita predecir la demanda horaria utilizando Redes Neuronales Recurrentes (RNN). Este escenario prueba la creación de un tipo de modelo menos común (RNN) y valida el comportamiento cuando se omiten parámetros opcionales pero se define una ubicación específica de caslib.
Sobre el conjunto : deepLearn
Creación y entrenamiento de redes neuronales profundas.
Descubrir todas las acciones de deepLearn Preparación de datos
Generación de una serie temporal simple para contexto.
¡Copiado!
| 1 | DATA public.consumo_electrico; |
| 2 | fecha = '01JAN2023'd; |
| 3 | DO i = 1 to 365; |
| 4 | consumo = 100 + sin(i) * 10 + rand('normal', 0, 2); |
| 5 | fecha = fecha + 1; |
| 6 | OUTPUT; |
| 7 | END; |
| 8 | FORMAT fecha date9.; |
| 9 | RUN; |
Étapes de réalisation
1
Creación de modelo RNN en una caslib pública (simulando entorno compartido).
¡Copiado!
| 1 | PROC CAS; |
| 2 | DEEPLEARN.buildModel / |
| 3 | modelTable={name='rnn_pronostico_v2', caslib='Public'} |
| 4 | type='RNN'; |
| 5 | RUN; |
2
Intento de re-creación sin opción de reemplazo (Prueba de robustez ante duplicados).
¡Copiado!
| 1 | PROC CAS; |
| 2 | /* Esto debería fallar o advertir si la tabla ya existe y replace no está activo */ |
| 3 | DEEPLEARN.buildModel / |
| 4 | modelTable={name='rnn_pronostico_v2', caslib='Public'} |
| 5 | type='RNN'; |
| 6 | RUN; |
Resultado esperado
El primer paso crea exitosamente la tabla 'rnn_pronostico_v2' de tipo RNN en la librería Public. El segundo paso debe generar un error estándar de SAS indicando que la tabla ya existe, validando que el sistema protege contra sobrescritura accidental sin 'replace=TRUE'.