Contexte Métier
Une banque de détail souhaite prédire l'attrition (churn) de ses clients basés sur des données tabulaires historiques. L'équipe Data Science doit initialiser un réseau de neurones profond (DNN) standard qui servira de conteneur pour les futures couches du modèle prédictif.
À propos du Set : deepLearn
Création et entraînement de réseaux de neurones profonds.
Découvrir toutes les actions de deepLearn Préparation des Données
Configuration de l'environnement : Création d'une bibliothèque CAS dédiée au projet marketing.
Copié !
| 1 | cas mySession sessopts=(caslib='casuser'); |
| 2 | LIBNAME mycas cas caslib='casuser'; |
| 3 | |
| 4 | DATA mycas.churn_data_stub; |
| 5 | SET sashelp.class; |
| 6 | |
| 7 | RUN; |
| 8 | /* Création d'une table stub pour simuler l'environnement projet */ |
Étapes de réalisation
1
Initialisation du modèle DNN avec les paramètres par défaut.
Copié !
| 1 | PROC CAS; |
| 2 | DEEPLEARN.buildModel / |
| 3 | modelTable={name='churn_prediction_dnn', replace=true} |
| 4 | type='DNN'; |
| 5 | RUN; QUIT; |
2
Vérification de l'existence de la table modèle créée.
Copié !
| 1 | PROC CAS; |
| 2 | TABLE.tableInfo / |
| 3 | name='churn_prediction_dnn'; |
| 4 | RUN; QUIT; |
Résultat Attendu
L'action doit s'exécuter sans erreur et produire une table CAS vide nommée 'churn_prediction_dnn'. Le type de modèle associé dans les métadonnées de la table doit être 'DNN'.