Contexte Métier
Une équipe de fraude financière développe un modèle de réseau récurrent (RNN) pour analyser des séquences de transactions. Le test vise à vérifier le comportement du système lors de la tentative de création d'un modèle RNN sur une table existante sans l'option de remplacement explicite, puis avec correction.
À propos du Set : deepLearn
Création et entraînement de réseaux de neurones profonds.
Découvrir toutes les actions de deepLearn Préparation des Données
Création préalable d'une table 'fantôme' qui porte déjà le nom du modèle cible pour provoquer un conflit.
Copié !
| 1 | |
| 2 | DATA mycas.fraud_rnn_model; |
| 3 | x=1; |
| 4 | |
| 5 | RUN; |
| 6 | /* Création d'une table dummy qui bloque le nom */ |
Étapes de réalisation
1
Tentative de création du modèle RNN sans l'option replace=true (Doit échouer ou avertir).
Copié !
| 1 | PROC CAS; |
| 2 | DEEPLEARN.buildModel / |
| 3 | modelTable={name='fraud_rnn_model'} |
| 4 | type='RNN'; |
| 5 | RUN; QUIT; |
2
Correction : Création forcée du modèle RNN avec replace=true.
Copié !
| 1 | PROC CAS; |
| 2 | DEEPLEARN.buildModel / |
| 3 | modelTable={name='fraud_rnn_model', replace=true} |
| 4 | type='RNN'; |
| 5 | RUN; QUIT; |
Résultat Attendu
L'étape 1 doit échouer ou signaler que la table existe déjà. L'étape 2 doit réussir, écraser la table 'dummy' précédente et initialiser correctement la structure vide du modèle RNN.