Procédure FOREST (Forêts Aléatoires)

La procédure FOREST est un outil puissant pour l'apprentissage supervisé, capable de gérer des données complexes et de fournir des prédictions précises. Elle est particulièrement efficace pour sa capacité à gérer le surapprentissage (overfitting) et pour sa robustesse aux valeurs aberrantes et au bruit. La procédure exécute les calculs en mémoire distribuée sur le serveur CAS, ce qui permet de traiter de très grands ensembles de données. Elle supporte les variables d'entrée continues et catégorielles, ainsi que les variables cibles continues (régression) ou catégorielles (classification). Des options sont disponibles pour la partition des données, la sélection des variables, le nombre d'arbres, la profondeur des arbres, et l'évaluation de l'importance des variables.

Analyse des données

Type : CREATION_INTERNE

Les exemples utilisent des données générées (datalines) ou des données de la bibliothèque SASHELP, adaptées pour être chargées dans CAS.

1 Bloc de code

PROC FOREST Data

Explication :
Cet exemple illustre une classification binaire simple avec PROC FOREST. Il crée une table CAS nommée 'CreditData' avec des informations d'âge, de score de crédit, de revenu et de statut client (cible). La procédure est ensuite appelée avec les variables 'Age', 'ScoreCredit', 'Revenu' comme entrées et 'StatutClient' comme variable cible nominale. C'est l'utilisation la plus basique pour entraîner un modèle de forêt aléatoire.

Copié !

1	/* Création d'une session CAS et d'une caslib */
2	CAS;
3	LIBNAME mycas CAS;
4
5	/* Données d'exemple pour la classification binaire */
6	DATA mycas.CreditData;
7	INPUT Age ScoreCredit Revenu StatutClient $;
8	DATALINES;
9	25 700 50000 Bon
10	30 650 40000 Mauvais
11	35 720 60000 Bon
12	40 600 30000 Mauvais
13	45 750 70000 Bon
14	50 680 45000 Mauvais
15	60 710 55000 Bon
16	28 670 38000 Mauvais
17	33 730 62000 Bon
18	55 690 48000 Bon
19	;
20	RUN;
21
22	/* Exécution de la procédure FOREST pour la classification */
23	PROC FOREST DATA=mycas.CreditData;
24	INPUT Age ScoreCredit Revenu;
25	target StatutClient / level=nominal;
26	RUN;
27
28	/* Nettoyage de la session CAS si nécessaire */
29	CAS_TERMINATE;

2 Bloc de code

PROC FOREST Data

Explication :
Cet exemple intermédiaire utilise PROC FOREST pour une tâche de régression afin de prédire les ventes. Il introduit les options 'partition' pour diviser les données en ensembles d'entraînement et de test (70%/30%), et 'varimportance' pour calculer et afficher l'importance des variables dans le modèle. La variable 'Region' est explicitement définie comme nominale. Le modèle entraîné est sauvegardé via 'save state'.

Copié !

1	/* Création d'une session CAS et d'une caslib */
2	CAS;
3	LIBNAME mycas CAS;
4
5	/* Données d'exemple étendues pour la régression avec une variable catégorielle */
6	DATA mycas.SalesData;
7	INPUT Publicite Internet Vendeurs Region $ Ventes;
8	DATALINES;
9	10 5 2 Est 100
10	12 6 3 Ouest 120
11	8 4 2 Nord 90
12	15 7 4 Sud 150
13	11 5 3 Est 110
14	13 6 4 Ouest 130
15	9 4 2 Nord 95
16	16 8 5 Sud 160
17	10 5 3 Est 105
18	14 7 4 Ouest 140
19	;
20	RUN;
21
22	/* Exécution de la procédure FOREST avec partition et importance des variables */
23	PROC FOREST DATA=mycas.SalesData seed=12345;
24	INPUT Publicite Internet Vendeurs Region / level=interval Publicite Internet Vendeurs Region level=nominal Region;
25	target Ventes / level=interval;
26	partition fraction(0.7 train = training 0.3 test = testing);
27	varimportance;
28	ods OUTPUT VariableImportance=mycas.VarImp;
29	save state out=mycas.ForestModel / onestore;
30	RUN;
31
32	/* Affichage de l'importance des variables */
33	PROC PRINT DATA=mycas.VarImp;
34	RUN;
35
36	/* Nettoyage de la session CAS si nécessaire */
37	CAS_TERMINATE;

3 Bloc de code

PROC FOREST Data

Explication :
Cet exemple avancé montre une régression pour la prédiction du prix des maisons. Il utilise des options comme 'ntrees' (nombre d'arbres), 'maxdepth' (profondeur maximale des arbres), 'nsubsets' (nombre de variables à échantillonner à chaque nœud), et 'baggingfraction' pour contrôler le processus d'entraînement de la forêt aléatoire. L'option 'proctime' fournit des informations sur le temps d'exécution. Le modèle entraîné est sauvegardé et utilisé pour scorer de nouvelles données via PROC ASTORE.

Copié !

1	/* Création d'une session CAS et d'une caslib */
2	CAS;
3	LIBNAME mycas CAS;
4
5	/* Données d'exemple pour la régression avec plus de complexité */
6	DATA mycas.HousingPrices;
7	INPUT Surface Chambres NbSallesBains AgeMaison Garage NbEtages PrixMaison;
8	DATALINES;
9	1500 3 2 10 1 2 250000
10	1200 2 1 20 0 1 180000
11	2000 4 3 5 2 3 350000
12	1000 2 1 30 0 1 150000
13	1800 3 2 15 1 2 290000
14	1300 3 1 25 1 1 200000
15	2200 4 3 8 2 3 380000
16	900 2 1 40 0 1 130000
17	1700 3 2 12 1 2 270000
18	1600 3 2 18 1 2 260000
19	;
20	RUN;
21
22	/* Exécution de la procédure FOREST avec tuning d'hyperparamètres et sortie détaillée */
23	PROC FOREST DATA=mycas.HousingPrices ntrees=100 maxdepth=10 nsubsets=5 seed=54321;
24	INPUT Surface Chambres NbSallesBains AgeMaison Garage NbEtages;
25	target PrixMaison / level=interval;
26	baggingfraction=0.7;
27	proctime;
28	performance nthreads=4;
29	ods OUTPUT FitStatistics=mycas.FitStats;
30	save rforest out=mycas.ForestModel_Adv;
31	RUN;
32
33	/* Création de nouvelles données pour la prédiction */
34	DATA mycas.NewHouses;
35	INPUT Surface Chambres NbSallesBains AgeMaison Garage NbEtages;
36	DATALINES;
37	1400 3 2 12 1 2
38	1900 4 2 7 2 3
39	;
40	RUN;
41
42	/* Application du modèle pour faire des prédictions */
43	PROC ASTORE;
44	score DATA=mycas.NewHouses
45	out=mycas.NewHouses_Scored
46	rstore=mycas.ForestModel_Adv;
47	RUN;
48
49	PROC PRINT DATA=mycas.NewHouses_Scored;
50	RUN;
51
52	/* Nettoyage de la session CAS si nécessaire */
53	CAS_TERMINATE;

4 Bloc de code

PROC FOREST Data

Explication :
Cet exemple met en évidence l'utilisation de PROC FOREST dans un environnement CAS pour la classification. Il charge un jeu de données existant (SASHELP.CLASS) en mémoire CAS, crée une nouvelle variable cible binaire ('TooOld'), puis entraîne un modèle de forêt aléatoire. Des options comme 'ntrees' et 'maxdepth' sont ajustées. Le modèle est sauvegardé et utilisé pour prédire sur un nouveau jeu de données, démontrant le workflow typique en environnement distribué.

Copié !

1	/* Établissement d'une session CAS */
2	CAS;
3	LIBNAME mycas CAS;
4
5	/* Chargement d'un jeu de données SASHELP dans CAS pour simuler un grand jeu de données */
6	/* (Assurez-vous que le jeu de données SASHELP.CLASS est disponible et a une taille raisonnable) */
7	PROC CASUTIL;
8	LOAD DATA=SASHELP.CLASS OUTCASLIB=mycas OUTCAS=ClassData REPLACE;
9	RUN;
10
11	/* Préparation des données: ajout d'une variable cible binaire pour la classification */
12	/* Exemple: 'TooOld' si Age > 14 */
13	DATA mycas.ClassDataPrepared;
14	SET mycas.ClassData;
15	IF Age > 14 THEN TooOld = 1;
16	ELSE TooOld = 0;
17	RUN;
18
19	/* Exécution de la procédure FOREST sur la table CAS */
20	PROC FOREST DATA=mycas.ClassDataPrepared ntrees=200 maxdepth=15 seed=67890;
21	INPUT Age Height Weight;
22	target TooOld / level=binary;
23	ods OUTPUT FitStatistics=mycas.ForestFitStats
24	IterationHistory=mycas.ForestIterHist;
25	save rforest out=mycas.BinaryForestModel;
26	RUN;
27
28	/* Vérification des statistiques d'ajustement */
29	PROC PRINT DATA=mycas.ForestFitStats;
30	RUN;
31
32	/* Chargement de nouvelles données pour le scoring */
33	DATA mycas.NewStudents;
34	INPUT Name $ Age Height Weight;
35	DATALINES;
36	John 15 65 120
37	Jane 12 58 90
38	Mike 17 70 150
39	Sarah 13 60 100
40	;
41	RUN;
42
43	/* Scoring des nouvelles données avec le modèle entraîné */
44	PROC ASTORE;
45	score DATA=mycas.NewStudents
46	out=mycas.NewStudents_Scored
47	rstore=mycas.BinaryForestModel;
48	RUN;
49
50	PROC PRINT DATA=mycas.NewStudents_Scored;
51	RUN;
52
53	/* Nettoyage de la session CAS */
54	CAS_TERMINATE;

Ce matériel est fourni "tel quel" par We Are Cas. Il n'y a aucune garantie, expresse ou implicite, quant à la qualité marchande ou à l'adéquation à un usage particulier concernant le matériel ou le code contenu dans les présentes. We Are Cas n'est pas responsable des erreurs dans ce matériel tel qu'il existe maintenant ou existera, et We Are Cas ne fournit pas de support technique pour celui-ci.

Retour à la liste