kernel="LINEAR" | "MATERN32" | "MATERN52" | "PERIODIC" | "RBF"

spécifie le type de fonction noyau pour les distributions gaussiennes dans le modèle de régression par processus gaussien. Les options sont : - LINEAR : utilise un noyau linéaire. - MATERN32 : utilise un noyau Matern 3/2. - MATERN52 : utilise un noyau Matern 5/2. - PERIODIC : utilise un noyau périodique. - RBF : utilise un noyau à fonction de base radiale.

spécifie les options d'optimisation. Il peut inclure les options suivantes : - algorithm="ADAM" | "SGD" : spécifie le solveur d'optimisation à utiliser. 'ADAM' utilise la variante des moments adaptatifs du solveur de descente de gradient stochastique, tandis que 'SGD' utilise le solveur de descente de gradient stochastique. - optmlOpt={optmlOptions} : spécifie les options communes à tous les solveurs. Cela inclut des paramètres comme 'clipWeightMaxNorm' (norme L2 maximale du vecteur de poids), 'fConv' (critère d'arrêt basé sur le changement de l'objectif), 'fConvWindow' (fenêtre d'itération pour 'fConv'), 'gTol' (tolérance d'arrêt pour l'erreur d'optimalité de premier ordre), 'maxEvals' (nombre maximal d'évaluations de fonction), 'maxIters' (nombre maximal d'itérations), 'maxTime' (temps maximal en secondes), 'regL1' (paramètre de régularisation L1) et 'regL2' (paramètre de régularisation L2). - printOpt={optmlPrintOptions} : spécifie les options pour l'envoi d'informations au journal et l'impression de la table d'historique des itérations. Cela inclut 'logLevel' (niveau d'affichage de la sortie), 'printFreq' (fréquence d'impression du journal d'itération) et 'printLevel' ('PRINTBASIC', 'PRINTDETAIL' ou 'PRINTNONE'). - sgdOpt={sgdOptions} : spécifie les options pour le solveur SGD. Cela inclut 'adaptiveDecay' (taux de décroissance du second moment du gradient), 'adaptiveRate' (utilise le second moment du gradient pour ajuster le taux d'apprentissage), 'annealingRate' (paramètre de recuit), 'commFreq' (nombre de mini-lots traités avant synchronisation des poids), 'learningRate' (taux d'apprentissage), 'miniBatchSize' (taille des mini-lots), 'momentum' (élan pour SGD), 'seed' (valeur de la graine pour la génération de nombres aléatoires) et 'useLocking' (utilise des verrous pour l'agrégation de threads). - validate={optmlValidate} : spécifie les options pour la validation des modèles. Cela inclut 'frequency' (fréquence de validation), 'goal' (objectif pour le taux de classification erronée de la validation), 'stagnation' (nombre de validations consécutives avec des taux de classification erronée croissants), 'threshold' (seuil d'arrêt anticipé pour l'erreur de validation) et 'thresholdIter' (itération à laquelle le seuil d'arrêt anticipé est vérifié).

partByFrac={partByFracStatement}

affecte aléatoirement des proportions spécifiées des observations de la table d'entrée aux rôles d'entraînement et de validation. Les observations sont logiquement partitionnées en sous-ensembles disjoints pour l'entraînement, la validation et le test du modèle. Cela peut inclure les options suivantes : - seed=entier : spécifie la graine à utiliser dans le générateur de nombres aléatoires pour le partitionnement des données. - test=double : affecte aléatoirement la proportion spécifiée d'observations au rôle de test. La somme des fractions spécifiées dans les paramètres test et validate doit être inférieure à 1. - validate=double : affecte aléatoirement la proportion spécifiée d'observations au rôle de validation. La somme des fractions spécifiées dans les paramètres test et validate doit être inférieure à 1.

partByVar={partByVarStatement}

spécifie la variable des données d'entrée dont les valeurs sont utilisées pour attribuer des rôles à chaque observation. Les observations sont logiquement partitionnées en sous-ensembles disjoints pour l'entraînement, la validation et le test du modèle. Cela peut inclure les options suivantes : - name="nom-variable" : nom de la variable utilisée pour attribuer des rôles. - test="chaîne" : valeur formatée de la variable pour le rôle de test. - train="chaîne" : valeur formatée de la variable pour le rôle d'entraînement. - validate="chaîne" : valeur formatée de la variable pour le rôle de validation.

saveState={casouttable}

spécifie la table de données de sortie dans laquelle enregistrer l'état de la régression par processus gaussien pour un scoring futur. Cela peut inclure les options suivantes : - caslib="chaîne" : nom de la caslib pour la table de sortie. - label="chaîne" : étiquette descriptive de la table. - lifetime=entier-64-bits : nombre de secondes pendant lesquelles la table doit rester en mémoire. - memoryFormat="DVR" | "INHERIT" | "STANDARD" : format de mémoire pour la table de sortie ('DVR', 'INHERIT' ou 'STANDARD'). - name="nom-table" : nom de la table de sortie. - promote=TRUE | FALSE : ajoute la table de sortie avec une portée globale. - replace=TRUE | FALSE : écrase une table existante. - tableRedistUpPolicy="DEFER" | "NOREDIST" | "REBALANCE" : politique de redistribution des tables ('DEFER', 'NOREDIST' ou 'REBALANCE').

spécifie les paramètres pour une table d'entrée. Cela peut inclure les options suivantes : - caslib="chaîne" : caslib pour la table d'entrée. - computedOnDemand=TRUE | FALSE : crée les variables calculées au chargement de la table. - computedVars={{casinvardesc-1} } : noms des variables calculées à créer, avec des attributs comme 'format', 'formattedLength', 'label', 'name' (obligatoire), 'nfd' et 'nfl'. - computedVarsProgram="chaîne" : expression pour chaque variable calculée. - dataSourceOptions={key-1=any-list-or-data-type-1 } : options de la source de données. - importOptions={fileType="ANY" | ... | "XLS", fileType-specific-parameters} : paramètres de lecture d'une table. - name="nom-table" (obligatoire) : nom de la table d'entrée. - singlePass=TRUE | FALSE : ne crée pas de table transitoire sur le serveur. - vars={{casinvardesc-1} } : variables à utiliser dans l'action, avec des attributs comme 'format', 'formattedLength', 'label', 'name' (obligatoire), 'nfd' et 'nfl'. - where="expression-where" : expression pour sous-échantillonner les données d'entrée. - whereTable={groupbytable} : table d'entrée contenant des lignes à utiliser comme filtre WHERE.

💡 FAQ CAS Actions SAS© Viya™ (Page 27)

Spécifie une expression pour chaque variable calculée que vous incluez dans le paramètre 'computedVars'. Alias : compPgm....

À propos de cette FAQ

Filtrer par Action

gpReg table.computedVarsProgram

gpReg table.dataSourceOptions

gpReg table.importOptions

gpReg table.name

gpReg table.singlePass

gpReg table.vars

gpReg table.vars.format

gpReg table.vars.formattedLength

gpReg table.vars.label

gpReg table.vars.name

gpReg table.vars.nfd

gpReg table.vars.nfl

gpReg table.where

gpReg table.whereTable

gpReg table.whereTable.casLib

gpReg table.whereTable.dataSourceOptions

gpReg table.whereTable.importOptions

gpReg table.whereTable.name

gpReg table.whereTable.vars

gpReg table.whereTable.vars.format

gpReg table.whereTable.vars.formattedLength

gpReg table.whereTable.vars.label

gpReg table.whereTable.vars.name

gpReg table.whereTable.vars.nfd

gpReg table.whereTable.vars.nfl

gpReg table.whereTable.where

gpReg target

gpReg useSimpleInit

gpReg applyRowOrder=TRUE | FALSE

gpReg attributes={{casinvardesc-1} <, {casinvardesc-2}, ...>}

gpReg autoRelevanceDetermination=TRUE | FALSE

gpReg display={displayTables}

gpReg fixInducingPoints=TRUE | FALSE

gpReg fixKernelParmFirstIter=TRUE | FALSE

gpReg * inputs={{casinvardesc-1} <, {casinvardesc-2}, ...>}

gpReg jitterMaxIters=entier

gpReg kernel="LINEAR" | "MATERN32" | "MATERN52" | "PERIODIC" | "RBF"

gpReg nInducingPoints=entier

gpReg nloOpts={casOptml}

gpReg outInducingPoints={casouttable}

gpReg output={gpRegOutputStatement}

gpReg outputTables={outputTables}

gpReg outVariationalCov={casouttable}

gpReg partByFrac={partByFracStatement}

gpReg partByVar={partByVarStatement}

gpReg saveState={casouttable}

gpReg seed=double

gpReg * table={castable}

gpReg * target="nom-variable"

gpReg useSimpleInit=TRUE | FALSE