Preguntas frecuentes sobre acciones CAS

Encuentre respuestas rápidas y precisas sobre el uso, la sintaxis y los errores comunes de las acciones CAS.

Acerca de esta FAQ

Acceda a la base de conocimientos de referencia sobre las acciones SAS Viya CAS. Esta FAQ técnica cubre la sintaxis, los parámetros y la resolución de errores frecuentes. Utilice los filtros a continuación para encontrar ejemplos de código y soluciones optimizadas para cada acción específica.

Filtrar por acción
1669
preguntas encontradas en la base de conocimientos
Page 34 / 34

La tabla 'outLinks' se utiliza para contener la información de los enlaces del grafo junto con los resultados de los algoritmos que calculan métricas en los enlaces. La tabla 'outNodes' contiene la información de los nodos del grafo y los resultados de los algoritmos que calculan métricas en los...
Ficha de acción Leer respuesta

El parámetro 'logLevel' controla la cantidad de información que se muestra en el registro de SAS. Los valores posibles son: 'NONE' (desactiva todos los mensajes), 'BASIC' (resumen breve), 'MODERATE' (resumen moderadamente detallado) y 'AGGRESSIVE' (resumen más detallado)....
Ficha de acción Leer respuesta

La acción `minCut` se utiliza para calcular el corte mínimo de un grafo. Un corte mínimo es una partición de los nodos en dos conjuntos disjuntos, S y T, de tal manera que la suma de los pesos de los arcos que van de S a T se minimiza....
Ficha de acción Leer respuesta

Se utilizan los parámetros `source` para el nodo de origen y `sink` para el nodo de destino. Estos definen los dos puntos entre los cuales se buscará el corte de menor peso en el grafo....
Ficha de acción Leer respuesta

Sí, el parámetro `maxCuts` permite especificar el número máximo de cortes que el algoritmo debe encontrar. Por defecto, su valor es 1....
Ficha de acción Leer respuesta

Puedes usar el parámetro `maxWeight`. El algoritmo solo devolverá los cortes cuyo peso total sea menor o igual al valor que especifiques en este parámetro....
Ficha de acción Leer respuesta

Los resultados se pueden guardar en dos tablas de salida principales. La tabla especificada en el parámetro `outCutSets` contiene los arcos que forman los conjuntos de corte mínimo. La tabla especificada en `outPartitions` contiene las particiones de nodos resultantes para cada corte encontrado....
Ficha de acción Leer respuesta

La acción minSpanTree se utiliza para calcular el árbol de expansión mínimo de un grafo. Esto es útil para encontrar un subconjunto de aristas de un grafo conectado y no dirigido que conecta todos los vértices sin formar ciclos y con el mínimo peso total de las aristas....
Ficha de acción Leer respuesta

Se utiliza el parámetro 'direction'. Puede establecerse en 'UNDIRECTED' para un grafo no dirigido (valor por defecto) o 'DIRECTED' si las aristas tienen una orientación específica....
Ficha de acción Leer respuesta

El parámetro 'source' especifica el nodo de origen y solo es relevante cuando se trabaja con un grafo dirigido ('direction'='DIRECTED'). Se utiliza para encontrar el árbol de expansión mínimo desde ese nodo específico....
Ficha de acción Leer respuesta

El grafo de entrada se puede definir de dos maneras: 1) Proporcionando una tabla de datos que contiene la información de los enlaces (parámetro 'links') y, opcionalmente, una tabla para los nodos (parámetro 'nodes'). 2) Usando el parámetro 'graph' para hacer referencia a un grafo que ya ha sido ...
Ficha de acción Leer respuesta

El parámetro 'out' especifica la tabla de datos de salida que contendrá la solución del problema, es decir, las aristas que componen el árbol de expansión mínimo, junto con sus pesos....
Ficha de acción Leer respuesta

Cuando el parámetro 'multiLinks' se establece en 'TRUE', la acción considera la existencia de múltiples enlaces (o aristas paralelas) entre los mismos dos nodos al leer el grafo de entrada....
Ficha de acción Leer respuesta

El propósito de la acción `mitigateBias` es mitigar el sesgo durante el entrenamiento de modelos predictivos. Funciona ajustando los pesos de las observaciones en los datos de entrenamiento a través de un algoritmo de reducción de gradiente exponenciado para reducir las disparidades en las predi...
Ficha de acción Leer respuesta

El parámetro `trainProgram` especifica el código de entrenamiento CASL para entrenar un modelo. Es obligatorio porque la acción `mitigateBias` gestiona un proceso iterativo donde, en cada paso, modifica los pesos de los datos de entrada y luego ejecuta este código para entrenar un nuevo modelo c...
Ficha de acción Leer respuesta

La métrica de sesgo se define usando el parámetro `biasMetric`. Las opciones disponibles son 'DEMOGRAPHICPARITY' (Paridad Demográfica), 'EQUALIZEDODDS' (Probabilidades Igualadas), 'EQUALOPPORTUNITY' (Igualdad de Oportunidades) y 'PREDICTIVEPARITY' (Paridad Predictiva), que es la opción por defec...
Ficha de acción Leer respuesta

El parámetro `sensitiveVariable` es obligatorio y se utiliza para especificar la variable sensible (por ejemplo, género, raza) para los cálculos de sesgo. Esta variable define los subgrupos demográficos entre los cuales se busca la equidad....
Ficha de acción Leer respuesta

La finalización del algoritmo se controla mediante dos parámetros: `tolerance` y `maxIters`. `tolerance` especifica la tolerancia para la violación de la restricción de paridad; el algoritmo se detiene si la violación es menor que este valor. `maxIters` establece el número máximo de iteracion...
Ficha de acción Leer respuesta

El parámetro `bound` especifica el valor límite para el algoritmo de reducción de gradiente exponenciado. Su valor por defecto es 100 y debe ser como mínimo 1....
Ficha de acción Leer respuesta
Copyright © WeAreCAS 2014-2026
SAS y todos los demás nombres de productos o servicios de SAS Institute Inc. son marcas registradas o marcas comerciales de SAS Institute Inc. en los EE. UU. y otros países. ® indica registro en los EE. UU. WeAreCAS es un sitio comunitario independiente y no está afiliado a SAS Institute Inc.