1669 preguntas encontradas.

Page 32 / 34

Debe usar el parámetro `restore`, que es obligatorio, para especificar la tabla de CAS que contiene el modelo. Esta tabla se crea utilizando el parámetro `store` en la acción `logistic`....

Sí, puede personalizar el código. Por ejemplo, puede usar el parámetro `comment` para agregar comentarios, `fmtWdth` para el ancho de formato numérico, `indentSize` para el tamaño de la sangría y `lineSize` para el tamaño de la línea....

Cuando se establece en 'True', el parámetro `pCatAll` genera las probabilidades para todos los niveles de la variable de respuesta, en lugar de solo para el nivel del evento....

El código se guarda en una tabla de salida de CAS. Puede especificar la biblioteca y el nombre de esta tabla usando el parámetro `casOut`....

La acción `logisticLackfit` calcula la prueba de bondad de ajuste de Hosmer y Lemeshow para modelos de regresión logística. Esta prueba es fundamental para evaluar si el modelo ajustado describe adecuadamente los datos....

La prueba de Hosmer y Lemeshow es una prueba estadística que evalúa la bondad de ajuste de un modelo de regresión logística. Compara las frecuencias de eventos observadas con las frecuencias esperadas en subgrupos de la población del modelo, que se forman según las probabilidades predichas. Un...

Los parámetros más importantes son `restore`, que es obligatorio y especifica el almacén de elementos que contiene el modelo logístico previamente ajustado, y `table`, que especifica la tabla de datos de entrada. Otros parámetros útiles incluyen `nGroups` para definir el número de grupos para...

El modelo a evaluar se especifica mediante el parámetro obligatorio `restore`. Este parámetro debe apuntar a un almacén de elementos (item store) que fue creado previamente por la acción `logistic` usando su propio parámetro `store`. Este almacén contiene toda la información necesaria sobre e...

El parámetro `nGroups` especifica el número máximo de grupos en los que se dividirán las observaciones para realizar la prueba de Hosmer y Lemeshow. Las observaciones se agrupan en función de sus probabilidades predichas. El valor predeterminado es 10 y el mínimo es 5....

La acción `logisticOddsRatio` crea una tabla que compara subpoblaciones utilizando odds ratios....

Utilice el parámetro `alpha` para especificar el nivel de significancia de los límites de confianza. El valor predeterminado es 0.05, y debe estar entre 0 y 1....

El parámetro `at` cambia los valores o niveles fijos predeterminados para las covariables que interactúan con la variable del odds ratio....

El parámetro `diff` especifica qué pares de niveles de respuesta comparar. Puede ser "ALL" para todos los niveles o "REF" para el nivel de referencia, que es el valor predeterminado....

Se utiliza el parámetro `unit`. Puede especificar la variable con `var` y las unidades de cambio con `value`. Si desea que las unidades sean múltiplos del error estándar, establezca `stderr` en True....

Sí, el parámetro `restore` permite restaurar modelos de regresión desde un objeto binario grande (BLOB) que representa una tabla de almacenamiento de modelos....

La acción logisticScore crea una tabla en el servidor que contiene los resultados de la puntuación de observaciones utilizando un modelo ajustado....

Los parámetros obligatorios son 'casOut', que especifica la tabla de salida, y 'restore', que especifica el modelo de regresión a utilizar para la puntuación, restaurándolo desde un item store....

Se pueden generar varias estadísticas de diagnóstico, como el desplazamiento del intervalo de confianza (cBar), el cambio en la ji-cuadrado de Pearson (difChisq), el cambio en la devianza (difDev), y el apalancamiento de la observación (leverage)....

Para guardar las probabilidades predichas, se debe usar el parámetro 'predProbs' establecido en True, lo que crea variables separadas para las probabilidades de cada nivel de respuesta en la tabla de salida....

La acción `logisticType3` calcula las pruebas de Tipo 3 o conjuntas para determinar si todos los parámetros asociados a un efecto específico en un modelo de regresión logística son iguales a cero....

Una prueba de Tipo 3, en el contexto de la regresión logística, evalúa la significancia de un efecto después de ajustar por todos los demás efectos presentes en el modelo. Es útil para determinar la contribución única de una variable o un conjunto de variables al modelo....

Es un requisito indispensable haber ajustado previamente un modelo de regresión logística y haberlo guardado en una tabla CAS. La acción `logisticType3` necesita esta tabla, que se especifica mediante el parámetro obligatorio `restore`, para realizar los cálculos de las pruebas de Tipo 3....

La tabla especificada en el parámetro `restore` debe ser un almacén de modelos (model store) que contiene el resultado de un ajuste de modelo previo, generalmente generado por la acción `logistic` del mismo conjunto de acciones 'regression'....

La acción `longToWide` remodela una tabla que contiene registros delgados (formato largo) en una tabla que contiene registros anchos (formato ancho)....

Los parámetros esenciales son `table` para especificar la tabla de entrada, `casOut` para la tabla de salida, y `id` para las variables de identificación que se copiarán a la tabla de salida. También se pueden usar `inputs` para especificar las variables a analizar y parámetros como `sum`, `min...

Se pueden calcular estadísticas especificando las variables deseadas en los parámetros correspondientes. Por ejemplo, para calcular la suma, se utiliza el parámetro `sum` con la lista de variables. De manera similar, se usan `mean`, `min`, `max`, `nMiss` y `range` para obtener la media, el mínim...

Se pueden usar varios parámetros. `charSeparatorChar` y `numSeparatorNum` especifican el carácter separador para los nuevos nombres de variables. Además, si se establece `noPrefix` en `True` y se calcula una estadística para una sola variable, el nombre de la variable de salida será el nombre d...

El parámetro `orderByTable` especifica una tabla de ordenación que se obtiene al ejecutar previamente la acción `groupBy` o `groupByInfo`. Es importante que la lista de variables de `inputs` utilizada para crear esta tabla coincida en variables y orden con la que se usará en la lista de variable...

La acción `maChart` produce gráficos de media móvil ponderada uniformemente....

El parámetro `span` especifica el número de subgrupos que se utilizan para calcular la media móvil....

El método para estimar la desviación estándar del proceso se especifica con el parámetro `sMethod`. Las opciones disponibles son: "RMSDF" para una estimación de raíz cuadrada media ponderada, "SMVLUE" para una estimación lineal insesgada de varianza mínima basada en las desviaciones estánda...

El parámetro `asymptotic`, cuando se establece en `True`, se utiliza para generar límites de control asintóticos....

El parámetro `limitsTable` se utiliza para especificar la tabla de datos de entrada que contiene los límites de control predefinidos....

Realiza análisis de mercado utilizando modelos de atribución de mercado....

Los parámetros obligatorios son: 'table' para especificar la tabla de datos de entrada, 'channel' para la variable de canal, 'section' para identificar la sección de cada observación, y 'time' para el orden temporal o secuencial....

El parámetro 'halflife' especifica el parámetro de vida media del modelo de decaimiento temporal. Su valor predeterminado es 1 y debe ser mayor que 0....

Los resultados se pueden guardar en tablas de salida utilizando los parámetros 'outcontribution' para los resultados de contribución, 'outremoval' para los resultados del efecto de eliminación, y 'outtpm' para la matriz de probabilidad de transición....

El parámetro 'nchannel' especifica el número de canales en el modelo, con un valor mínimo y predeterminado de 2....

Es una acción para la 'Coincidencia de Gestión de Datos' (Data Management Matching). Se utiliza para encontrar y agrupar registros (entidades) que son similares basándose en reglas definidas por el usuario....

Los parámetros requeridos son `inTable`, que especifica la tabla de datos de entrada; `matchRules`, que define las reglas para la coincidencia; y `clusterId`, que especifica el nombre de la columna en la tabla de salida que contendrá los identificadores de clúster....

La lógica de coincidencia se define usando el parámetro `matchRules`. Este parámetro contiene una o más reglas, donde cada regla especifica un conjunto de columnas que deben tener valores idénticos para que los registros se consideren una coincidencia....

El parámetro `clusterId` especifica el nombre de la nueva columna que se añadirá a la tabla de salida. Esta columna contendrá los identificadores únicos generados que agrupan los registros que coinciden según las `matchRules`....

Sí, utilizando el parámetro `doNotCluster`. Se le asigna el nombre de una columna en la tabla de entrada que actúa como un indicador booleano. Si el valor de una fila en esta columna es 'true' o '1', esa fila se colocará en su propio clúster individual....

Por defecto, los valores nulos no se agrupan juntos (`nullValuesMatch` es FALSO). Para agruparlos, se debe establecer `nullValuesMatch` en VERDADERO. Además, el parámetro `emptyStringIsNull` (VERDADERO por defecto) controla si las cadenas de texto vacías deben ser tratadas como valores nulos para...

Se puede especificar el algoritmo con el parámetro `algorithm`. Las opciones son 'AUTO' (el sistema elige), 'DISTRIBUTED' (distribuido) y 'SINGLE' (en un solo nodo). El valor por defecto es 'AUTO'....

La acción `matchImages` compara una imagen de consulta específica con las imágenes de una tabla para encontrar coincidencias....

Se pueden especificar dos métodos: `DESCRIPTORMATCH`, que utiliza descriptores de puntos clave para la coincidencia, y `TEMPLATEMATCH`, que realiza una coincidencia de plantillas....

La imagen de referencia se especifica usando el parámetro `queryImage`, que requiere la ruta (`path`) al archivo de imagen y opcionalmente la `caslib` donde se encuentra....

El parámetro `threshold` especifica un valor de umbral para eliminar las coincidencias de baja confianza. Solo se devuelven las coincidencias con una puntuación superior a este umbral....

Cuando se establece en `True`, el parámetro `highlight` dibuja rectángulos alrededor de las coincidencias detectadas en las imágenes de salida para resaltarlas....