?> Wie wird die Fehlerfunktion für das Training des ... - Aide
QUESTION / RÉPONSE

Wie wird die Fehlerfunktion für das Training des Netzwerks spezifiziert?

0 consultations

Réponse

Der Parameter `errorFunc` gibt die Fehlerfunktion an. Wenn nicht angegeben, wird "ENTROPY" für nominale Variablen und "NORMAL" für Intervallvariablen verwendet. Andere mögliche Werte sind "GAMMA" und "POISSON".
Action technique liée

Voir la documentation de annTrain

Voir l'Action
Thématiques

Voir aussi

annScore
neuralNet

The `annScore` action scores a data table using a pre-trained artificial neural network model. This is a crucial step after training a model with `annTrain`, allowing you to apply the learned patterns to new data to make predictions. The action can generate various outputs, including predicted values, probabilities for classification tasks, and even the values of hidden layer nodes, which can be useful for feature engineering or model interpretation.

annScore
neuralNet

La acción `annScore` del conjunto de acciones `neuralNet` se utiliza para puntuar datos con un modelo de red neuronal artificial previamente entrenado. Esta acción toma un modelo entrenado (desde una tabla CAS) y una tabla de datos de entrada, y genera una tabla de salida con las predicciones. Es una herramienta fundamental en el ciclo de vida del machine learning para aplicar modelos a nuevos datos y evaluar su rendimiento o para la implementación en producción.

annTrain
neuralNet

L'action `annTrain` du jeu d'actions `neuralNet` est un outil puissant pour entraîner des réseaux de neurones artificiels (ANN) dans SAS Viya. Elle permet de construire et d'optimiser des modèles prédictifs pour des tâches de classification et de régression. Cette action supporte diverses architectures, y compris les perceptrons multicouches (MLP) et les modèles linéaires généralisés (GLIM), offrant une flexibilité pour modéliser des relations complexes dans les données. Elle intègre des fonctionnalités avancées telles que la régularisation, le dropout, et plusieurs algorithmes d'optimisation (SGD, L-BFGS, ADAM) pour améliorer la performance et éviter le surajustement. L'action peut également générer du code de scoring SAS pour déployer facilement le modèle entraîné.