Erstellt eine Tabelle auf dem Server, die Ergebnisse aus der Bewertung von Beobachtungen unter Verwendung eines angepassten Bayes'schen additiven Regressionsbaum-Modells enthält.
| Parameter | Beschreibung |
|---|---|
| alpha | Gibt das Signifikanzniveau an, das für die Erstellung aller gleichseitigen Kredibilitätsgrenzen verwendet werden soll. |
| avgOnly | Wenn auf FALSE gesetzt, werden Vorhersagen aus jeder MCMC-Stichprobe zusätzlich zu den durchschnittlichen Stichprobenvorhersagen in die Ausgabetabelle aufgenommen. |
| casOut | Erstellt eine Tabelle auf dem Server, die beobachtungsweise Statistiken enthält, die aus der Bewertung einer Datentabelle berechnet werden. |
| copyVars | Gibt eine Liste von einer oder mehreren Variablen an, die von der Bewertungstabelle in die Ausgabetabelle kopiert werden sollen. |
| into | Gibt den Namen der kategorialen Antwortvariablen an, die erstellt werden soll, wenn das Modell ein nominales Ziel hat. |
| intoCutpt | Gibt den Cutoff-Wert an, der verwendet wird, um die vorhergesagte Wahrscheinlichkeit in eine Klassenzuordnung für die INTO=-Variable umzuwandeln. |
| lcl | Benennt die untere gleichseitige Kredibilitätsgrenze. |
| pred | Benennt den vorhergesagten Wert. Wenn Sie keine Ausgabestatistiken angeben, wird der vorhergesagte Wert standardmäßig Pred genannt. |
| resid | Benennt das Residuum. |
| restore | Gibt ein binäres Tabellenobjekt aus einer vorherigen Modellanpassung an. |
| seed | Gibt einen Startwert für den Pseudozufallszahlengenerator an. |
| table | Gibt die Eingabedatentabelle an. |
| ucl | Benennt die obere gleichseitige Kredibilitätsgrenze. |
Dieser SAS-Code erstellt eine CAS-Tabelle namens 'mycas.score_data'. Diese Tabelle enthält Beispieldaten, die zum Bewerten mit einem zuvor trainierten BART-Modell verwendet werden können. Sie enthält die unabhängigen Variablen (x1, x2, x3) und eine Zielvariable (y), obwohl die Zielvariable für die reine Bewertung nicht erforderlich ist.
1 DATA mycas.score_data; 2 call streaminit(4321); 3 DO i = 1 to 100; 4 x1 = rand('UNIFORM'); 5 x2 = rand('UNIFORM'); 6 x3 = rand('UNIFORM'); 7 y = 10 * sin(3.14 * x1 * x2) + 20 * (x3 - 0.5)**2 + 10 * rand('NORMAL'); 8 OUTPUT; 9 END; 10 RUN;
Dieses Beispiel zeigt, wie die Aktion `bartScore` verwendet wird, um eine Datentabelle ('mycas.score_data') mit einem gespeicherten BART-Modell ('mycas.my_model') zu bewerten. Die Ergebnisse werden in einer neuen CAS-Tabelle namens 'mycas.scored_output' gespeichert.
| 1 | PROC CAS; |
| 2 | bart.bartScore / |
| 3 | restore={name='my_model', caslib='mycas'}, |
| 4 | TABLE={name='score_data', caslib='mycas'}, |
| 5 | casOut={name='scored_output', caslib='mycas', replace=true}; |
| 6 | RUN; |
Dieses Beispiel zeigt eine erweiterte Verwendung der Aktion `bartScore`. Es bewertet die Tabelle 'mycas.score_data' mit dem Modell 'mycas.my_model'. Zusätzlich zur durchschnittlichen Vorhersage werden auch die 95%-Kredibilitätsintervalle (untere und obere Grenzen) und die Residuen berechnet. Die Variablen 'i' und 'x1' werden ebenfalls aus der Eingabetabelle in die Ausgabetabelle 'mycas.scored_output_detailed' kopiert.
| 1 | PROC CAS; |
| 2 | bart.bartScore / |
| 3 | restore='my_model', |
| 4 | TABLE='score_data', |
| 5 | pred='PredictedValue', |
| 6 | lcl='LowerLimit', |
| 7 | ucl='UpperLimit', |
| 8 | resid='ResidualValue', |
| 9 | alpha=0.05, |
| 10 | copyVars={'i', 'x1'}, |
| 11 | casOut={name='scored_output_detailed', replace=true}; |
| 12 | RUN; |