Procedimiento FOREST (Bosques Aleatorios)

El procedimiento FOREST es una herramienta potente para el aprendizaje supervisado, capaz de manejar datos complejos y proporcionar predicciones precisas. Es particularmente eficaz por su capacidad para gestionar el sobreajuste (overfitting) y por su robustez a los valores atípicos y al ruido. El procedimiento ejecuta los cálculos en memoria distribuida en el servidor CAS, lo que permite procesar conjuntos de datos muy grandes. Admite variables de entrada continuas y categóricas, así como variables objetivo continuas (regresión) o categóricas (clasificación). Hay opciones disponibles para la partición de datos, la selección de variables, el número de árboles, la profundidad de los árboles y la evaluación de la importancia de las variables.

Análisis de datos

Type : CREACION_INTERNA

Los ejemplos utilizan datos generados (datalines) o datos de la biblioteca SASHELP, adaptados para ser cargados en CAS.

1 Bloque de código

PROC FOREST Data

Explicación :
Este ejemplo ilustra una clasificación binaria simple con PROC FOREST. Crea una tabla CAS llamada 'CreditData' con información de edad, puntaje de crédito, ingresos y estado del cliente (objetivo). Luego se llama al procedimiento con las variables 'Age', 'ScoreCredit', 'Revenu' como entradas y 'StatutClient' como variable objetivo nominal. Este es el uso más básico para entrenar un modelo de bosque aleatorio.

¡Copiado!

1	/* Création d'une session CAS et d'une caslib */
2	CAS;
3	LIBNAME mycas CAS;
4
5	/* Données d'exemple pour la classification binaire */
6	DATA mycas.CreditData;
7	INPUT Age ScoreCredit Revenu StatutClient $;
8	DATALINES;
9	25 700 50000 Bon
10	30 650 40000 Mauvais
11	35 720 60000 Bon
12	40 600 30000 Mauvais
13	45 750 70000 Bon
14	50 680 45000 Mauvais
15	60 710 55000 Bon
16	28 670 38000 Mauvais
17	33 730 62000 Bon
18	55 690 48000 Bon
19	;
20	RUN;
21
22	/* Exécution de la procédure FOREST pour la classification */
23	PROC FOREST DATA=mycas.CreditData;
24	INPUT Age ScoreCredit Revenu;
25	target StatutClient / level=nominal;
26	RUN;
27
28	/* Nettoyage de la session CAS si nécessaire */
29	CAS_TERMINATE;

2 Bloque de código

PROC FOREST Data

Explicación :
Este ejemplo intermedio utiliza PROC FOREST para una tarea de regresión con el fin de predecir las ventas. Introduce las opciones 'partition' para dividir los datos en conjuntos de entrenamiento y prueba (70%/30%), e 'varimportance' para calcular y mostrar la importancia de las variables en el modelo. La variable 'Region' se define explícitamente como nominal. El modelo entrenado se guarda a través de 'save state'.

¡Copiado!

1	/* Création d'une session CAS et d'une caslib */
2	CAS;
3	LIBNAME mycas CAS;
4
5	/* Données d'exemple étendues pour la régression avec une variable catégorielle */
6	DATA mycas.SalesData;
7	INPUT Publicite Internet Vendeurs Region $ Ventes;
8	DATALINES;
9	10 5 2 Est 100
10	12 6 3 Ouest 120
11	8 4 2 Nord 90
12	15 7 4 Sud 150
13	11 5 3 Est 110
14	13 6 4 Ouest 130
15	9 4 2 Nord 95
16	16 8 5 Sud 160
17	10 5 3 Est 105
18	14 7 4 Ouest 140
19	;
20	RUN;
21
22	/* Exécution de la procédure FOREST avec partition et importance des variables */
23	PROC FOREST DATA=mycas.SalesData seed=12345;
24	INPUT Publicite Internet Vendeurs Region / level=interval Publicite Internet Vendeurs Region level=nominal Region;
25	target Ventes / level=interval;
26	partition fraction(0.7 train = training 0.3 test = testing);
27	varimportance;
28	ods OUTPUT VariableImportance=mycas.VarImp;
29	save state out=mycas.ForestModel / onestore;
30	RUN;
31
32	/* Affichage de l'importance des variables */
33	PROC PRINT DATA=mycas.VarImp;
34	RUN;
35
36	/* Nettoyage de la session CAS si nécessaire */
37	CAS_TERMINATE;

3 Bloque de código

PROC FOREST Data

Explicación :
Este ejemplo avanzado muestra una regresión para la predicción del precio de las casas. Utiliza opciones como 'ntrees' (número de árboles), 'maxdepth' (profundidad máxima de los árboles), 'nsubsets' (número de variables a muestrear en cada nodo), y 'baggingfraction' para controlar el proceso de entrenamiento del bosque aleatorio. La opción 'proctime' proporciona información sobre el tiempo de ejecución. El modelo entrenado se guarda y se utiliza para puntuar nuevos datos a través de PROC ASTORE.

¡Copiado!

1	/* Création d'une session CAS et d'une caslib */
2	CAS;
3	LIBNAME mycas CAS;
4
5	/* Données d'exemple pour la régression avec plus de complexité */
6	DATA mycas.HousingPrices;
7	INPUT Surface Chambres NbSallesBains AgeMaison Garage NbEtages PrixMaison;
8	DATALINES;
9	1500 3 2 10 1 2 250000
10	1200 2 1 20 0 1 180000
11	2000 4 3 5 2 3 350000
12	1000 2 1 30 0 1 150000
13	1800 3 2 15 1 2 290000
14	1300 3 1 25 1 1 200000
15	2200 4 3 8 2 3 380000
16	900 2 1 40 0 1 130000
17	1700 3 2 12 1 2 270000
18	1600 3 2 18 1 2 260000
19	;
20	RUN;
21
22	/* Exécution de la procédure FOREST avec tuning d'hyperparamètres et sortie détaillée */
23	PROC FOREST DATA=mycas.HousingPrices ntrees=100 maxdepth=10 nsubsets=5 seed=54321;
24	INPUT Surface Chambres NbSallesBains AgeMaison Garage NbEtages;
25	target PrixMaison / level=interval;
26	baggingfraction=0.7;
27	proctime;
28	performance nthreads=4;
29	ods OUTPUT FitStatistics=mycas.FitStats;
30	save rforest out=mycas.ForestModel_Adv;
31	RUN;
32
33	/* Création de nouvelles données pour la prédiction */
34	DATA mycas.NewHouses;
35	INPUT Surface Chambres NbSallesBains AgeMaison Garage NbEtages;
36	DATALINES;
37	1400 3 2 12 1 2
38	1900 4 2 7 2 3
39	;
40	RUN;
41
42	/* Application du modèle pour faire des prédictions */
43	PROC ASTORE;
44	score DATA=mycas.NewHouses
45	out=mycas.NewHouses_Scored
46	rstore=mycas.ForestModel_Adv;
47	RUN;
48
49	PROC PRINT DATA=mycas.NewHouses_Scored;
50	RUN;
51
52	/* Nettoyage de la session CAS si nécessaire */
53	CAS_TERMINATE;

4 Bloque de código

PROC FOREST Data

Explicación :
Este ejemplo destaca el uso de PROC FOREST en un entorno CAS para la clasificación. Carga un conjunto de datos existente (SASHELP.CLASS) en la memoria CAS, crea una nueva variable objetivo binaria ('TooOld'), y luego entrena un modelo de bosque aleatorio. Opciones como 'ntrees' y 'maxdepth' se ajustan. El modelo se guarda y se utiliza para predecir en un nuevo conjunto de datos, demostrando el flujo de trabajo típico en un entorno distribuido.

¡Copiado!

1	/* Établissement d'une session CAS */
2	CAS;
3	LIBNAME mycas CAS;
4
5	/* Chargement d'un jeu de données SASHELP dans CAS pour simuler un grand jeu de données */
6	/* (Assurez-vous que le jeu de données SASHELP.CLASS est disponible et a une taille raisonnable) */
7	PROC CASUTIL;
8	LOAD DATA=SASHELP.CLASS OUTCASLIB=mycas OUTCAS=ClassData REPLACE;
9	RUN;
10
11	/* Préparation des données: ajout d'une variable cible binaire pour la classification */
12	/* Exemple: 'TooOld' si Age > 14 */
13	DATA mycas.ClassDataPrepared;
14	SET mycas.ClassData;
15	IF Age > 14 THEN TooOld = 1;
16	ELSE TooOld = 0;
17	RUN;
18
19	/* Exécution de la procédure FOREST sur la table CAS */
20	PROC FOREST DATA=mycas.ClassDataPrepared ntrees=200 maxdepth=15 seed=67890;
21	INPUT Age Height Weight;
22	target TooOld / level=binary;
23	ods OUTPUT FitStatistics=mycas.ForestFitStats
24	IterationHistory=mycas.ForestIterHist;
25	save rforest out=mycas.BinaryForestModel;
26	RUN;
27
28	/* Vérification des statistiques d'ajustement */
29	PROC PRINT DATA=mycas.ForestFitStats;
30	RUN;
31
32	/* Chargement de nouvelles données pour le scoring */
33	DATA mycas.NewStudents;
34	INPUT Name $ Age Height Weight;
35	DATALINES;
36	John 15 65 120
37	Jane 12 58 90
38	Mike 17 70 150
39	Sarah 13 60 100
40	;
41	RUN;
42
43	/* Scoring des nouvelles données avec le modèle entraîné */
44	PROC ASTORE;
45	score DATA=mycas.NewStudents
46	out=mycas.NewStudents_Scored
47	rstore=mycas.BinaryForestModel;
48	RUN;
49
50	PROC PRINT DATA=mycas.NewStudents_Scored;
51	RUN;
52
53	/* Nettoyage de la session CAS */
54	CAS_TERMINATE;

Este material se proporciona "tal cual" por We Are Cas. No hay garantías, expresas o implícitas, en cuanto a la comerciabilidad o idoneidad para un propósito particular con respecto a los materiales o el código contenidos en este documento. We Are Cas no es responsable de los errores en este material tal como existe ahora o existirá, ni We Are Cas proporciona soporte técnico para el mismo.

Retour à la liste