Preguntas frecuentes

551 preguntas encontradas.

Page 4 / 12

La acción 'append' se utiliza para anexar las filas de una tabla (tabla de origen) a otra tabla (tabla de destino)....

El requisito principal es que la tabla de destino ('target') debe ser una tabla en memoria (in-memory table)....

Los parámetros obligatorios son 'source', que especifica la tabla de entrada, y 'target', que especifica la tabla a la que se añadirán los datos....

Puede usar el subparámetro 'where' dentro del parámetro 'source' para especificar una expresión que filtre las filas que se anexarán....

Cuando se establece en 'True', 'singlePass' evita la creación de una tabla transitoria en el servidor, lo que puede ser más eficiente. Sin embargo, el orden de los datos podría no ser estable en ejecuciones repetidas....

Sí, puede usar el subparámetro 'dataSourceOptions' dentro del parámetro 'source' para especificar opciones de la fuente de datos....

La acción `applyCategory` categoriza texto utilizando un modelo de categorización (archivo MCO)....

El parámetro obligatorio es `model`, que especifica la tabla de entrada de CAS que contiene el modelo de categorización....

El parámetro `casOut` especifica el nombre de la tabla de datos de salida que contendrá las categorías....

El parámetro `scoringAlgorithm` especifica el algoritmo de puntuación. Los valores posibles son "FREQUENCY" (Frecuencia) y "WEIGHTED" (Ponderado). El valor predeterminado es "FREQUENCY"....

Ambas tablas contienen información sobre las coincidencias, pero en formatos diferentes. La tabla `matchOut` contiene una coincidencia por fila. La tabla `groupedMatchOut` agrupa las coincidencias por categoría para cada documento. Especificar `groupedMatchOut` es opcional....

La acción applyConcept realiza la extracción de conceptos utilizando un modelo de extracción de conceptos (archivo LI)....

El parámetro 'table' especifica una tabla CAS de entrada que contiene los documentos de entrada para analizar....

El parámetro 'docId' especifica el nombre de la variable de la tabla CAS que contiene los identificadores de los documentos....

Se utiliza el parámetro 'text', que especifica el nombre de la variable de la tabla CAS que contiene el texto a ser procesado....

El parámetro 'model' especifica una tabla CAS de entrada que contiene el modelo LI definido por el usuario. Si no se especifica, se utiliza el modelo base....

El parámetro 'matchType' especifica el tipo de valor de coincidencia de entrada. Las opciones son "ALL" (todas las coincidencias), "BEST" (la mejor coincidencia) o "LONGEST" (la coincidencia más larga). El valor predeterminado es "ALL"....

El parámetro 'dropConcepts' especifica una lista de conceptos primarios para eliminar de las tablas de salida CAS. Esto es útil para limitar los conceptos predefinidos en la salida sin eliminarlos del modelo....

Se pueden generar cuatro tablas de salida: 'casOut' para los resultados de coincidencias de conceptos, 'factOut' para los resultados de coincidencias de hechos, 'ruleMatchOut' para la información de coincidencias de reglas, y 'parseTableOut' para contener los documentos de entrada pre-analizados y ...

La acción `arima` se utiliza para el análisis de series temporales univariadas, permitiendo ajustar modelos ARIMA (Promedio Móvil Integrado Autorregresivo) para la estimación y el pronóstico de datos de series temporales....

Los parámetros requeridos son `table` para especificar la tabla de datos de entrada, `interval` para definir la frecuencia de la serie temporal, y `series` para indicar la variable de la serie a modelar junto con sus opciones de modelo....

La estructura del modelo se define dentro del parámetro `series`, utilizando la opción `model` y luego `estimate`. Los órdenes se especifican con `p` para los polinomios autorregresivos, `diff` para la diferenciación, y `q` para los polinomios de media móvil....

La acción `arima` ofrece tres métodos de estimación a través del parámetro `method`: Mínimos Cuadrados Condicionales (`CLS`), Máxima Verosimilitud (`ML`) y Mínimos Cuadrados Incondicionales (`ULS`). El método por defecto es `CLS`....

Para generar pronósticos, se utiliza la opción `forecast` dentro de `model`, donde el parámetro `lead` especifica el número de períodos a pronosticar. Los resultados, incluyendo los valores pronosticados y los límites de confianza, se pueden guardar en una tabla CAS utilizando los parámetros ...

La acción 'assess' se utiliza para evaluar y comparar modelos....

El parámetro 'event' especifica el valor formateado de la variable de respuesta que representa el evento de interés. Si no se especifica y la variable de respuesta es numérica, la acción realiza una evaluación para un modelo de regresión....

Para generar estadísticas de ajuste, se debe establecer el parámetro 'includeFitStat' en TRUE. Los resultados se pueden guardar en una tabla de salida especificando el parámetro 'fitStatOut'. Si la variable de respuesta es nominal, también se deben especificar los eventos de probabilidad ('pEven...

El parámetro 'cutStep' especifica el tamaño del paso a utilizar para los cálculos de la curva ROC (Receiver Operating Characteristic). Su valor predeterminado es 0.01....

Sí, estableciendo el parámetro 'includeCutoffOne' en TRUE, los resultados de ROC incluirán una fila para un punto de corte (cutoff) de 1, lo que puede simplificar el trazado de la curva ROC. Por defecto, está en FALSE....

El parámetro 'pResponse' especifica la variable de respuesta predicha para la evaluación del modelo. Esta variable debe tener el mismo formato que la variable de respuesta real. La acción filtra las observaciones que tienen un valor para esta variable y el evento especificado....

El parámetro 'method' permite elegir entre el algoritmo "EXACT" (exacto) y el "ITERATIVE" (iterativo) para el análisis de percentiles. El método predeterminado es "ITERATIVE"....

La acción 'assessBias' se utiliza para calcular métricas de sesgo para modelos predictivos....

El parámetro 'table' especifica la tabla de datos de entrada que se utilizará para la evaluación del sesgo....

El parámetro 'sensitiveVariable' especifica la variable sensible que se utilizará en los cálculos de sesgo. Es un parámetro obligatorio....

El parámetro 'predictedVariables' especifica la lista de variables que contienen las predicciones del modelo. El orden de estas variables debe coincidir con el orden especificado en el parámetro 'responseLevels'....

El parámetro 'modelTable' especifica la tabla de entrada que contiene el modelo a explicar. Esta tabla debe contener un almacén analítico (analytic store) o un código de puntuación de paso DATA (DATA step scoring code)....

El parámetro 'event' se utiliza para especificar el valor formateado de la variable de respuesta (objetivo) que representa el evento de interés....

Asume un rol de administrador....

Especifica el rol de administrador que se va a asumir....

Los valores posibles son "ACTION", "DATA" y "SUPERUSER"....

Proporciona acceso sin restricciones (exento de permisos) a los conjuntos de acciones y a las acciones....

Proporciona acceso sin restricciones (exento de permisos) a las definiciones de caslibs, tablas y columnas, incluida la capacidad de agregar caslibs....

Proporciona los privilegios de los roles de acción y datos, además de la capacidad de gestionar roles y rutas....

El valor predeterminado es "SUPERUSER"....

La acción 'attribute' gestiona los atributos de tabla extendidos....

El parámetro 'attributes' especifica los atributos extendidos. Si se utiliza este parámetro, también se debe especificar el parámetro 'set'....

El parámetro 'caslib' especifica la caslib de destino para la tabla de atributos extendidos....

El parámetro 'name' es obligatorio y especifica el nombre para la tabla de atributos extendidos....

El parámetro 'set' especifica el nombre para el conjunto de atributos extendidos....

El parámetro 'table' (alias: attrTable) especifica el nombre de una tabla de atributos extendidos existente para usar con una tarea ADD, UPDATE o CONVERT. Para CONVERT, este parámetro nombra la tabla que se usará para almacenar los atributos extendidos....