L'action `minCostFlow` (flux à coût minimum) est utilisée pour calculer le flux de réseau à coût minimum d'un graphe. Elle trouve un schéma de flux qui satisfait les contraintes d'offre et de demande sur les nœuds ainsi que les capacités sur les liens, tout en minimisant le coût total....
L'action `minCostFlow` nécessite généralement deux tables d'entrée : une table `links` pour définir les liens (arcs) du graphe avec leurs attributs (comme la capacité et le poids/coût), et une table `nodes` pour définir les informations sur les nœuds (comme l'offre ou la demande)....
Les principales tables de sortie sont `outLinks`, qui contient les liens du graphe avec les valeurs de flux résultantes, et `outNodes`, qui contient les nœuds avec leurs potentiels (variables duales). D'autres tables de résumé comme `ProblemSummary` et `SolutionSummary` sont également généré...
Le paramètre `direction` est utilisé pour cela. Spécifiez `direction='DIRECTED'` pour un graphe orienté, où le flux va du nœud 'from' au nœud 'to'. Utilisez `direction='UNDIRECTED'` pour un graphe non orienté, où le flux peut aller dans les deux sens sur un lien....
Vous utilisez les sous-paramètres dans `linksVar`. Le paramètre `upper` définit la capacité maximale du lien, `lower` la capacité minimale, et `weight` le coût unitaire de circulation du flux sur ce lien. Ces paramètres sont mappés aux colonnes correspondantes de votre table de données `lin...
L'action `minCut` est utilisée pour calculer la coupe minimale d'un graphe. Une coupe minimale est une partition des nœuds d'un graphe en deux sous-ensembles disjoints, une source et un puits, de sorte que le poids total des liens ayant un point d'extrémité dans chaque sous-ensemble soit minimis...
Oui, le paramètre `maxWeight` permet de spécifier le poids maximum des coupes à retourner. Seules les coupes avec un poids inférieur ou égal à cette valeur seront retournées....
L'action peut générer plusieurs tables de sortie, notamment `outCutSets` pour contenir les ensembles de coupe minimale et `outPartitions` pour les partitions de coupe minimale....
Le paramètre `direction` spécifie si le graphe est considéré comme `DIRECTED` (orienté) ou `UNDIRECTED` (non orienté). Par défaut, il est considéré comme non orienté....
L'action `minSpanTree` est utilisée pour calculer l'arbre couvrant de poids minimum (Minimum Spanning Tree - MST) d'un graphe. Pour un graphe non orienté, elle trouve un sous-graphe qui connecte tous les nœuds ensemble avec le poids total minimum et sans former de cycles....
Pour un graphe orienté (spécifié avec `direction="DIRECTED"`), l'action trouve une forêt couvrante de poids minimum. Si un nœud source est spécifié via le paramètre `source`, elle calcule un arbre couvrant de poids minimum enraciné à partir de ce nœud spécifique....
Les données du graphe peuvent être fournies de deux manières principales : en utilisant le paramètre `graph` pour spécifier un graphe déjà chargé en mémoire, ou en utilisant les paramètres `links` et `nodes` pour spécifier respectivement les tables de données contenant les informations s...
Le paramètre `out` spécifie la table de données de sortie qui contiendra la solution. Cette table listera les liens qui composent l'arbre (ou la forêt) couvrant de poids minimum....
Oui, le paramètre `logLevel` permet de contrôler la quantité d'informations affichées dans le journal SAS. Il peut prendre les valeurs "NONE" (aucun message), "BASIC" (résumé bref), "MODERATE" (résumé modérément détaillé) ou "AGGRESSIVE" (affichage des détails du traitement algorithmiqu...
Elle utilise un algorithme de réduction de gradient exponentié. L'utilisateur doit fournir un code d'entraînement en CASL via le paramètre `trainProgram`. Cet algorithme ajuste les poids des observations dans les données d'entraînement pour contraindre le modèle à réduire les disparités de...
Le paramètre `trainProgram` est obligatoire et spécifie le code CASL qui entraîne un modèle. Ce code sera exécuté de manière itérative par l'action `mitigateBias`, en utilisant des poids d'observation ajustés à chaque itération pour réduire le biais....
Le paramètre `sensitiveVariable` est obligatoire et spécifie la variable sensible à utiliser pour les calculs de biais. C'est la variable qui définit les groupes pour lesquels l'équité du modèle doit être évaluée et améliorée (par exemple, le genre, l'origine ethnique, etc.)....
Vous pouvez spécifier l'une des quatre métriques de biais suivantes : 'DEMOGRAPHICPARITY' (parité démographique), 'EQUALIZEDODDS' (chances égalisées), 'EQUALOPPORTUNITY' (égalité des chances), ou 'PREDICTIVEPARITY' (parité prédictive). La valeur par défaut est 'PREDICTIVEPARITY'....
Le paramètre `tolerance` spécifie la tolérance pour la violation de la contrainte de parité. L'algorithme s'arrête lorsque la différence de métrique de biais entre les groupes est inférieure à cette valeur. Une valeur de 0 force l'algorithme à s'exécuter pour le nombre maximum d'itératio...
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.
Ce site utilise des cookies techniques et analytiques pour améliorer votre expérience.
En savoir plus.