1923 questions trouvées.

Page 38 / 39

Dans la méthode `DESCRIPTORMATCH`, `descType` spécifie le type d'algorithme à utiliser pour calculer les descripteurs des points clés (par exemple, 'BRISK', 'ORB'). De son côté, `thresholdRatio` est un ratio utilisé pour filtrer les 'mauvaises' correspondances entre les paires de descripteurs...
Lire la réponse complète Voir l'action technique

L'action maxFlow est utilisée pour calculer le flot maximum d'un graphe, ce qui est utile pour déterminer la capacité maximale de transfert entre un nœud source et un nœud puits dans un réseau....
Lire la réponse complète Voir l'action technique

Pour utiliser l'action maxFlow, vous devez spécifier le graphe en entrée, un nœud source avec le paramètre 'source', et un nœud puits avec le paramètre 'sink'....
Lire la réponse complète Voir l'action technique

L'action maxFlow nécessite une table de liens (spécifiée avec le paramètre 'links') qui définit les connexions et capacités du graphe. Optionnellement, une table de nœuds (spécifiée avec 'nodes') peut être utilisée pour des informations supplémentaires sur les nœuds....
Lire la réponse complète Voir l'action technique

Le paramètre 'direction' indique si le graphe doit être traité comme 'DIRECTED' (orienté) ou 'UNDIRECTED' (non orienté). Dans un graphe orienté, le flot a un sens précis, tandis que dans un graphe non orienté, il peut circuler dans les deux sens sur un lien....
Lire la réponse complète Voir l'action technique

Le résultat principal est retourné dans le champ 'objective' de la table de résultats. Cette valeur représente le flot total maximum qui peut être envoyé du nœud source au nœud puits. Des tables de sortie comme 'outLinks' et 'outNodes' peuvent également être générées pour détailler le ...
Lire la réponse complète Voir l'action technique

L'action `mbanalysis` effectue la génération de règles pour l'analyse du panier de la ménagère (market basket analysis)....
Lire la réponse complète Voir l'action technique

Les paramètres requis sont `idVariable` (la variable utilisée pour regrouper la variable cible en paniers), `table` (la table d'entrée) et `tgtVariable` (la variable nominale à utiliser comme cible)....
Lire la réponse complète Voir l'action technique

Vous pouvez utiliser le paramètre `suppct` pour spécifier le support minimum en pourcentage du nombre de paniers, ou le paramètre `supmin` pour spécifier un niveau de support absolu (nombre de transactions). `supmin` a priorité sur `suppct`....
Lire la réponse complète Voir l'action technique

Les principaux critères sont la confiance (paramètre `conf`), le lift (paramètre `lift`), et le support (paramètres `suppct` ou `supmin`). Vous pouvez également filtrer par le nombre d'éléments dans l'antécédent (`nLHS_range`) et le conséquent (`nRHS_range`)....
Lire la réponse complète Voir l'action technique

Les résultats peuvent être stockés dans plusieurs tables de sortie : `out` pour les ensembles d'articles fréquents, `outfreq` pour les articles fréquents uniques, `outrule` pour les règles générées, et `saveState` pour sauvegarder le modèle en vue d'un scoring futur....
Lire la réponse complète Voir l'action technique

Oui, le paramètre `hierarchy` permet de spécifier jusqu'à cinq tables de hiérarchie pour effectuer une analyse d'association avec une hiérarchie d'articles....
Lire la réponse complète Voir l'action technique

L'action `mbc.mbcFit` est utilisée pour effectuer un clustering basé sur un modèle (Model-Based Clustering) en utilisant l'algorithme EM (Expectation-Maximization). Elle permet de partitionner les données en clusters gaussiens....
Lire la réponse complète Voir l'action technique

L'action `mbcFit` propose deux méthodes d'initialisation : 'KMEANS' et 'RANDOM'. La méthode par défaut est 'RANDOM'....
Lire la réponse complète Voir l'action technique

Le meilleur modèle est sélectionné en utilisant le paramètre `criterion`. Les options possibles sont 'AIC', 'AICC', 'BIC', et 'LOGL'. La valeur par défaut est 'BIC' (Critère d'Information Bayésien)....
Lire la réponse complète Voir l'action technique

Oui, il est possible d'inclure un cluster de bruit (noise cluster) dans le modèle en utilisant le paramètre `noise`. Les valeurs possibles sont 'Y' (oui) ou 'N' (non)....
Lire la réponse complète Voir l'action technique

L'action `mbcFit` supporte de nombreuses structures de covariance comme 'EEE', 'EEI', 'EEV', 'VII', 'VVI', 'VVV', etc. Chaque code de trois lettres décrit les propriétés de volume, de forme et d'orientation des covariances des clusters. Il est possible de spécifier une liste de modèles à éval...
Lire la réponse complète Voir l'action technique

Pour sauvegarder le modèle, il faut utiliser le paramètre `store`. Ce paramètre permet de stocker l'état du modèle dans une table CAS sous forme de blob (binary large object), qui peut ensuite être utilisé par l'action `mbcScore` pour le scoring....
Lire la réponse complète Voir l'action technique

L'action `mbcScore` produit des pondérations de clustering en utilisant un modèle préalablement stocké....
Lire la réponse complète Voir l'action technique

Le paramètre `table` est obligatoire et spécifie la table de données d'entrée à utiliser pour le scoring....
Lire la réponse complète Voir l'action technique

Le paramètre `restore` est obligatoire et spécifie le magasin d'éléments (item store) qui contient le modèle à utiliser pour le scoring....
Lire la réponse complète Voir l'action technique

Le paramètre `casOut` est obligatoire et est utilisé pour spécifier la table de sortie où les résultats seront stockés....
Lire la réponse complète Voir l'action technique

Oui, le paramètre `copyVars` vous permet de spécifier une liste de variables à copier de la table d'entrée vers la table de sortie....
Lire la réponse complète Voir l'action technique

Définissez le paramètre `allstats` sur TRUE pour ajouter toutes les statistiques disponibles à la table de sortie....
Lire la réponse complète Voir l'action technique

Le paramètre `pred` spécifie un préfixe pour nommer les colonnes de valeurs prédites dans la table de sortie....
Lire la réponse complète Voir l'action technique

Utilisez le paramètre `maxpost` pour spécifier un préfixe pour nommer la colonne du cluster à probabilité a posteriori maximale....
Lire la réponse complète Voir l'action technique

L'action `mca` (Multiple Correspondence Analysis) sert à réduire la dimensionnalité des variables nominales en utilisant une analyse des correspondances multiples....
Lire la réponse complète Voir l'action technique

Les paramètres obligatoires sont `table`, qui spécifie la table de données d'entrée, et `dimensions`, qui définit le nombre de nouvelles variables réduites à créer....
Lire la réponse complète Voir l'action technique

Utilisez le paramètre `dimensions` (ou ses alias `dim`, `dimension`, `dimens`) pour indiquer le nombre de variables réduites à générer. La valeur minimale pour ce paramètre est 1....
Lire la réponse complète Voir l'action technique

Pour sauvegarder le modèle de réduction de dimensionnalité pour un scoring futur, utilisez le paramètre `saveState`. Vous devez y spécifier une table CAS de sortie qui contiendra le modèle....
Lire la réponse complète Voir l'action technique

Utilisez le paramètre `output` pour définir une table de sortie. Cette table contiendra les valeurs des variables réduites calculées à partir des données d'entraînement....
Lire la réponse complète Voir l'action technique

Oui, le paramètre `prefix` permet de spécifier un préfixe à appliquer aux noms des variables réduites. La valeur par défaut est "rv"....
Lire la réponse complète Voir l'action technique

L'action spc.mChart produit des cartes de contrôle pour les médianes de sous-groupes, également connues sous le nom de cartes M....
Lire la réponse complète Voir l'action technique

Une carte M est un type de carte de contrôle statistique de processus (SPC) qui trace la médiane de chaque sous-groupe au fil du temps. Elle est utilisée pour surveiller la tendance centrale d'un processus lorsque la distribution des données peut ne pas être normale, rendant la médiane un esti...
Lire la réponse complète Voir l'action technique

Les données d'entrée sont spécifiées via le paramètre `table`. Ce paramètre requiert le nom de la table CAS contenant les mesures du processus et les variables de sous-groupe....
Lire la réponse complète Voir l'action technique

Les paramètres `processValue` et `subgroupValue` sont essentiels. `processValue` spécifie la variable contenant les mesures à analyser, tandis que `subgroupValue` indique la variable qui définit les sous-groupes....
Lire la réponse complète Voir l'action technique

La méthode d'estimation de l'écart-type est définie par le paramètre `sMethod`. Les options incluent des estimations basées sur les étendues de sous-groupes ('RNOWEIGHT', 'RMVLUE') ou sur les écarts-types de sous-groupes ('SNOWEIGHT', 'SMVLUE', 'RMSDF')....
Lire la réponse complète Voir l'action technique

Oui, le paramètre `limitsTable` permet de spécifier une table CAS contenant des paramètres de limites de contrôle prédéfinis. Si cette table n'est pas fournie, les limites sont calculées à partir des données d'entrée....
Lire la réponse complète Voir l'action technique

L'action peut effectuer une série de tests pour les causes spéciales (tests de Western Electric) en utilisant le paramètre `primaryTests`. Chaque test (par exemple, `test1`, `test2`, etc.) recherche un motif non aléatoire spécifique dans les données, comme un point au-delà de 3 sigmas ou neuf...
Lire la réponse complète Voir l'action technique

Oui, si une table de spécifications est fournie via le paramètre `specsTable`, l'action calculera des indices de capabilité du processus (comme Cpk, Cp) et pourra également fournir des limites de confiance pour ces indices si le paramètre `ciIndices` est activé....
Lire la réponse complète Voir l'action technique

L'action `mdSummary` calcule des résumés multidimensionnels de variables numériques....
Lire la réponse complète Voir l'action technique

Les données d'entrée doivent contenir au moins une variable numérique. Sinon, l'action renvoie une erreur et un résultat vide....
Lire la réponse complète Voir l'action technique

Lorsqu'il est défini sur 'True', le paramètre `descending` trie les niveaux formatés des variables par ordre décroissant....
Lire la réponse complète Voir l'action technique

Ce paramètre spécifie le nombre maximum de niveaux dans un ensemble de regroupement (group-by). Il est utilisé pour éviter la création de très grands jeux de résultats, car l'action s'arrête si cette limite est atteinte....
Lire la réponse complète Voir l'action technique

Le paramètre `subSet` permet de générer les statistiques suivantes : CSS (somme des carrés corrigée), CV (coefficient de variation), KURTOSIS, MAX, MEAN (moyenne), MIN, N (nombre d'observations), NMISS (nombre de valeurs manquantes), PROBT (p-valeur du t-statistic), SKEWNESS, STD (écart-type),...
Lire la réponse complète Voir l'action technique

Le paramètre `weight` spécifie une variable numérique dont les valeurs sont utilisées pour pondérer les valeurs des variables d'analyse....
Lire la réponse complète Voir l'action technique

L'action `metrics` affiche les métriques pour chaque action après son exécution....
Lire la réponse complète Voir l'action technique

Le paramètre `on` spécifie si un bref ensemble de métriques d'action est affiché ou non....
Lire la réponse complète Voir l'action technique

Les valeurs possibles sont `TRUE` pour activer l'affichage des métriques, et `FALSE` pour le désactiver. La valeur par défaut est `FALSE`....
Lire la réponse complète Voir l'action technique
Copyright © WeAreCAS 2014-2026
SAS et tous les autres noms de produits ou de services de SAS Institute Inc. sont des marques déposées ou des marques de commerce de SAS Institute Inc. aux États-Unis et dans d'autres pays. ® indique un enregistrement aux États-Unis. WeAreCAS est un site communautaire indépendant et n'est pas affilié à SAS Institute Inc.