Preguntas frecuentes

551 preguntas encontradas.

Page 5 / 12

El parámetro 'task' especifica la tarea a realizar. Los valores posibles son ADD (predeterminado), CONVERT, DROP, EXPORT o UPDATE....
Leer respuesta completa Ver acción técnica

Se pueden proporcionar atributos extendidos como un documento XML usando el parámetro 'xml' para el contenido directo o 'xmlPath' para especificar la ruta a un archivo....
Leer respuesta completa Ver acción técnica

La acción `augmentImages` se utiliza para aumentar imágenes mediante la creación de parches y la aplicación de diversas mutaciones sobre ellos para expandir un conjunto de datos de entrenamiento....
Leer respuesta completa Ver acción técnica

Se pueden aplicar varias mutaciones, como volteo horizontal (`horizontalFlip`), volteo vertical (`verticalFlip`), rotación (`rotateLeft`, `rotateRight`), cambios de color (`colorJittering`, `colorShifting`), ajustes de brillo (`darken`, `lighten`), y transformaciones de nitidez (`sharpen`)....
Leer respuesta completa Ver acción técnica

Para usar la imagen completa sin recortarla en parches, debe especificar el parámetro `useWholeImage` con el valor `True`....
Leer respuesta completa Ver acción técnica

Cuando el parámetro `sweepImage` se establece en `True`, la acción recorre toda la imagen con una ventana deslizante para crear parches. Puede controlar el tamaño de la ventana con los parámetros `width` y `height`, y el desplazamiento con `stepSize`....
Leer respuesta completa Ver acción técnica

Sí, el parámetro `mutations` permite especificar una lista de transformaciones que se aplicarán a cada parche generado, creando así múltiples variaciones aumentadas a partir de una sola imagen de entrada....
Leer respuesta completa Ver acción técnica

La tabla de entrada se especifica mediante el parámetro `table`, donde se debe indicar el nombre de la tabla y, opcionalmente, la caslib donde se encuentra....
Leer respuesta completa Ver acción técnica

La acción bartGauss se utiliza para ajustar modelos de árboles de regresión aditivos bayesianos (BART) a datos de respuesta con distribución normal....
Leer respuesta completa Ver acción técnica

El parámetro 'nTree' especifica el número de árboles en una muestra del conjunto de suma de árboles....
Leer respuesta completa Ver acción técnica

Por defecto ('SEPARATE'), la acción trata los valores perdidos para predictores continuos como un grupo separado y para predictores categóricos como un nivel separado durante la fase de entrenamiento....
Leer respuesta completa Ver acción técnica

El parámetro 'store' guarda el modelo en un objeto de tabla binaria que se puede utilizar posteriormente para la puntuación (scoring)....
Leer respuesta completa Ver acción técnica

El parámetro 'nBI' (burn-in) especifica el número de iteraciones de calentamiento que se realizarán antes de que la acción comience a guardar muestras para la predicción....
Leer respuesta completa Ver acción técnica

El parámetro 'leafSigmaK' especifica el valor utilizado para determinar la varianza a priori para el parámetro de la hoja en el modelo....
Leer respuesta completa Ver acción técnica

La acción `bart.bartProbit` ajusta modelos de árboles de regresión aditivos bayesianos (BART) de tipo probit. Está diseñada específicamente para datos donde la variable de respuesta es binaria....
Leer respuesta completa Ver acción técnica

Su propósito principal es ajustar modelos BART probit para analizar datos de respuesta con distribución binaria, permitiendo un enfoque de modelado bayesiano no paramétrico....
Leer respuesta completa Ver acción técnica

La acción `bartProbit` ofrece varias estrategias a través del parámetro `missing`. Por ejemplo, 'SEPARATE' trata los valores perdidos como una categoría separada, mientras que 'NONE' excluye las observaciones con valores perdidos....
Leer respuesta completa Ver acción técnica

Los parámetros clave son `nBI` (burn-in iterations), que especifica el número de iteraciones de calentamiento, y `nMC` (MCMC iterations), que define el tamaño de la muestra MCMC a guardar después del calentamiento....
Leer respuesta completa Ver acción técnica

El parámetro `nTree` especifica el número de árboles que se utilizarán en el conjunto de suma de árboles que conforma el modelo BART. El valor predeterminado es 200....
Leer respuesta completa Ver acción técnica

Sí, se puede guardar el modelo en una tabla binaria utilizando el parámetro `store`. Este objeto guardado puede ser utilizado más tarde para tareas de puntuación (scoring)....
Leer respuesta completa Ver acción técnica

La acción `bartScore` crea una tabla en el servidor que contiene los resultados de la puntuación de observaciones utilizando un modelo ajustado de árboles de regresión aditivos bayesianos (BART)....
Leer respuesta completa Ver acción técnica

El parámetro `table` se utiliza para especificar la tabla de datos de entrada que se va a puntuar....
Leer respuesta completa Ver acción técnica

Se utiliza el parámetro `restore`, que es obligatorio, para especificar un objeto de tabla binaria que contiene el modelo ajustado de una ejecución anterior....
Leer respuesta completa Ver acción técnica

El parámetro `casOut` es obligatorio y se utiliza para especificar la tabla de salida en el servidor que contendrá las estadísticas por observación calculadas....
Leer respuesta completa Ver acción técnica

Sí, estableciendo el parámetro `avgOnly` en `FALSE`. Por defecto, es `TRUE`, lo que significa que solo se incluyen las predicciones promedio de la muestra....
Leer respuesta completa Ver acción técnica

Utilice el parámetro `copyVars` para proporcionar una lista de los nombres de las variables que desea copiar de la tabla de puntuación a la tabla de salida....
Leer respuesta completa Ver acción técnica

El parámetro `alpha` especifica el nivel de significancia para construir los límites de credibilidad de colas iguales. Su valor predeterminado es 0.05....
Leer respuesta completa Ver acción técnica

El parámetro `seed` especifica una semilla para iniciar el generador de números pseudoaleatorios, asegurando la reproducibilidad de los resultados. El valor predeterminado es 0....
Leer respuesta completa Ver acción técnica

La acción `batchresults` cambia una acción que se está ejecutando actualmente a modo de lote. Esto permite que la acción continúe ejecutándose en segundo plano sin que el cliente tenga que esperar a que se complete, y los resultados se pueden recuperar más tarde....
Leer respuesta completa Ver acción técnica

El parámetro obligatorio es `uuid`, que corresponde al identificador único de la sesión donde se está ejecutando la acción que se desea pasar a modo de lote....
Leer respuesta completa Ver acción técnica

Para cambiar una acción en otra sesión a modo de lote, debe especificar el UUID de esa sesión en el parámetro `uuid` de la acción `batchresults`....
Leer respuesta completa Ver acción técnica

La acción 'binning' realiza una discretización no supervisada de variables, lo que significa que agrupa valores de variables continuas en un número menor de contenedores o 'bins'....
Leer respuesta completa Ver acción técnica

El parámetro 'method' especifica la técnica de agrupamiento (binning) que se utilizará. Las opciones son 'BUCKET' para crear bins de igual amplitud, 'QUANTILE' para crear bins de igual frecuencia (con aproximadamente el mismo número de observaciones en cada uno), y 'CUTPTS' para crear bins segú...
Leer respuesta completa Ver acción técnica

Para definir puntos de corte personalizados, se debe utilizar el método 'CUTPTS' en el parámetro 'method' y especificar los puntos de corte deseados en el parámetro 'cutPoints'....
Leer respuesta completa Ver acción técnica

El parámetro 'nBinsArray' (alias 'nBins') especifica el número de bins que se crearán para cada variable. Se puede proporcionar un solo valor entero para aplicarlo a todas las variables o una lista de enteros para especificar un número de bins diferente para cada variable....
Leer respuesta completa Ver acción técnica

Mediante el parámetro 'binMissing'. Si se establece en 'True', los valores perdidos se agrupan en un bin separado, al cual se le asigna el ID 0....
Leer respuesta completa Ver acción técnica

El parámetro 'binMapping' controla cómo se asignan los valores que caen exactamente en el límite entre dos bins consecutivos. La opción 'LEFT' utiliza la notación [], (], ..., (], mientras que 'RIGHT' (valor por defecto) utiliza la notación [), [), ..., []....
Leer respuesta completa Ver acción técnica

Sí, el parámetro 'code' permite generar código del DATA step de SAS para aplicar la misma lógica de binning a nuevos datos....
Leer respuesta completa Ver acción técnica

La tabla especificada en el parámetro 'casOut' almacena la tabla de entrada puntuada, es decir, con las nuevas variables que contienen los resultados de la discretización....
Leer respuesta completa Ver acción técnica

La acción bnet utiliza modelos de redes bayesianas para clasificar la variable objetivo....
Leer respuesta completa Ver acción técnica

Especifica el nivel de significancia para las pruebas de independencia utilizando las estadísticas chi-cuadrado o G-cuadrado. Si se desea elegir el mejor modelo entre varios, se pueden especificar hasta cinco números. Si se especifican múltiples números pero no se establece el parámetro 'bestMo...
Leer respuesta completa Ver acción técnica

El parámetro 'missingInt' especifica cómo manejar los valores perdidos para las variables de intervalo. 'IGNORE' (ignorar) omite las observaciones con valores perdidos. 'IMPUTE' (imputar) reemplaza los valores perdidos con la media de la variable....
Leer respuesta completa Ver acción técnica

El parámetro 'missingNom' especifica cómo manejar los valores perdidos para las variables nominales. 'IGNORE' (ignorar) omite las observaciones. 'IMPUTE' (imputar) reemplaza los valores perdidos con la moda de la variable. 'LEVEL' (nivel) trata los valores perdidos como un nivel separado de la var...
Leer respuesta completa Ver acción técnica

El parámetro 'structures' especifica los tipos de estructura de red a aprender. Las opciones incluyen 'GENERAL' (o 'GN') para una red bayesiana general, 'MB' para la manta de Markov, 'NAIVE' para una red bayesiana ingenua, 'PC' para una estructura padre-hijo, y 'TAN' para una red bayesiana ingenua ...
Leer respuesta completa Ver acción técnica

Especifica cómo seleccionar las variables de entrada más allá de la preselección. Las opciones son 'ZERO' (usar todas las variables después de la preselección), 'ONE' (probar la independencia condicional dada cualquier otra variable), 'TWO' (probar la independencia condicional dado cualquier s...
Leer respuesta completa Ver acción técnica

Especifica los métodos de aprendizaje de la estructura. 'BESTONE' utiliza un enfoque codicioso para añadir un padre en cada iteración. 'BESTSET' prueba múltiples conjuntos de variables y elige el mejor conjunto como padres....
Leer respuesta completa Ver acción técnica

La acción `boxChart` se utiliza para producir diagramas de caja, que son una herramienta fundamental en el control estadístico de procesos para visualizar la distribución de datos de un proceso....
Leer respuesta completa Ver acción técnica

Para especificar la tabla de datos de entrada, debe utilizar el parámetro `table`, que es obligatorio. Dentro de este parámetro, puede definir el nombre de la tabla, la caslib y otras opciones de importación de datos....
Leer respuesta completa Ver acción técnica

El parámetro `controlStat` especifica si los límites de control del diagrama de caja se calculan para las medias de los subgrupos (`MEAN`) o las medianas de los subgrupos (`MEDIAN`). El valor predeterminado es `MEAN`....
Leer respuesta completa Ver acción técnica

El parámetro `sMethod` especifica el método para estimar la desviación estándar del proceso. Las opciones disponibles son `RMSDF` (media cuadrática ponderada), `RMVLUE` (estimación lineal insesgada de varianza mínima basada en rangos), `RNOWEIGHT` (estimación no ponderada basada en rangos), ...
Leer respuesta completa Ver acción técnica
Copyright © WeAreCAS 2023-2025