Contexte Métier
Une institution financière modélise le risque de défaut de paiement (événement rare = '1'). Le test vise à vérifier la capacité de l'action à gérer un événement cible spécifique dans une Forêt Aléatoire, tout en produisant une table de sortie des scores pour analyse ultérieure.
Préparation des Données
Création de données de crédit avec une variable cible binaire déséquilibrée.
Copié !
| 1 | |
| 2 | DATA work.credit; |
| 3 | call streaminit(777); |
| 4 | DO i=1 to 500; |
| 5 | income = rand('lognormal', 10, 0.5); |
| 6 | debt = rand('uniform', 1000, 20000); |
| 7 | IF (debt/income) > 2 THEN default='1'; |
| 8 | ELSE default='0'; |
| 9 | OUTPUT; |
| 10 | END; |
| 11 | |
| 12 | RUN; |
| 13 |
Étapes de réalisation
1
Chargement des données de crédit.
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | upload path="%sysfunc(pathname(work))/credit.sas7bdat" casout={name="credit", replace=true}; |
| 4 | |
| 5 | QUIT; |
| 6 |
2
Exécution avec cible explicite '1' et sauvegarde des scores.
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | mlTools.crossValidate / modelType="FOREST" targetEvent="1" casOut={name="scored_folds", replace=true} trainOptions={TABLE={name="credit"}, target="default", inputs={"income", "debt"}, nominals={"default"}}; |
| 4 | |
| 5 | QUIT; |
| 6 |
Résultat Attendu
L'action doit identifier correctement l'événement '1' comme cible pour le calcul des statistiques (Lift, ROC). Une table 'scored_folds' doit être créée contenant les prédictions pour chaque pli.