?> FAQ - WeAreCAS

Preguntas frecuentes

275 preguntas encontradas.

La acción `accessPersonalCaslibs` proporciona acceso administrativo a todas las bibliotecas cas personales, específicamente CASUSER y CASUSERHDFS....

La acción `accessPersonalCaslibs` forma parte del conjunto de acciones de Control de Acceso (Access Control Action Set)....

Para utilizar esta acción, se requieren privilegios administrativos. Está diseñada para que los administradores puedan gestionar y acceder a las bibliotecas cas personales de los usuarios....

La sintaxis en CASL para ejecutar esta acción es `accessControl.accessPersonalCaslibs;`. No requiere ningún parámetro....

La acción `actionSetFromTable` restaura un conjunto de acciones definido por el usuario desde una tabla previamente guardada en memoria. Esto permite reutilizar conjuntos de acciones personalizados en diferentes sesiones de CAS....

El parámetro `table` es obligatorio. Se utiliza para especificar la tabla en memoria que contiene la definición del conjunto de acciones que se desea restaurar....

El parámetro `name` es una cadena de texto que se utiliza para asignar un nombre al conjunto de acciones definido por el usuario que se está restaurando en la sesión actual. Este nombre será el que se use para referenciar el conjunto de acciones posteriormente....

La acción `actionSetInfo` muestra la información de compilación de los conjuntos de acciones cargados....

Cuando el parámetro `all` se establece en True, los resultados incluyen todos los conjuntos de acciones disponibles, así como los conjuntos de acciones cargados. Esta acción se ejecuta más lentamente cuando se establece en True....

Sí, usar el parámetro `all=True` hace que la acción se ejecute más lentamente porque necesita recuperar todos los conjuntos de acciones disponibles, no solo los que ya están cargados....

La acción `actionSetToTable` crea una tabla en memoria a partir de un conjunto de acciones definido por el usuario....

El parámetro obligatorio es `actionSet`, que especifica el nombre del conjunto de acciones definido por el usuario que se convertirá de su estructura de datos existente a una tabla en memoria....

El parámetro `casOut` se utiliza para especificar la configuración de la tabla de salida. Esto puede incluir el nombre de la caslib, el nombre de la tabla, si se debe reemplazar una tabla existente, variables de índice, y otras propiedades de la tabla....

La acción `actionstatus` se utiliza para obtener el estado de una acción para una sesión específica....

El parámetro requerido es `uuid`, que especifica el identificador de la sesión....

El parámetro `uuid` especifica el Identificador Único Universal (UUID) de la sesión para la cual se desea obtener el estado de la acción....

La acción `addCaslib` se utiliza para agregar una nueva caslib, lo que permite el acceso a una fuente de datos....

Una consideración importante es que la acción `addCaslib` no falla si se especifica una ruta no válida. La caslib se creará de todos modos, incluso con una ruta incorrecta....

El parámetro `dataSource` especifica el tipo de fuente de datos y otros parámetros específicos de ese tipo. El valor que se especifica para el parámetro `srcType` dentro de `dataSource` determina qué otros parámetros se aplican....

Cuando el parámetro `session` se establece en `True`, la caslib tiene un alcance limitado únicamente a la sesión actual. Las tablas cargadas en esta sesión no serán accesibles desde otras sesiones. Si se establece en `False`, la caslib será visible para otras sesiones, sujeta a los controles d...

El parámetro `name` es obligatorio y se utiliza para especificar el nombre de la caslib que se va a agregar....

Sí, si el parámetro `subDirectories` se establece en `True`, las tablas y archivos en los subdirectorios de la ruta especificada en la definición de la caslib serán accesibles....

La acción `addCaslibSubdir` se utiliza para crear un subdirectorio dentro de una caslib ya existente en el entorno de SAS Viya....

El parámetro obligatorio es `path`, que especifica la ruta del subdirectorio que se va a crear, relativa a la caslib. Opcionalmente, se pueden usar `name` para especificar la caslib y `permission` para definir los permisos de acceso....

Para especificar la caslib de destino, se utiliza el parámetro `name`. Este parámetro también tiene los alias `lib` y `caslib`....

El parámetro `permission` (alias: `perms`) define los controles de acceso del host para el nuevo subdirectorio. Si no se especifica, los permisos se basan en la umask del proceso de la sesión. Los valores posibles son: 'GROUPREAD', 'GROUPWRITE', 'GROUPWRITEPUBLICREAD', 'PRIVATE', 'PUBLICREAD', y '...

El permiso 'PRIVATE' concede acceso de lectura y escritura únicamente al propietario del directorio. En cambio, 'PUBLICREAD' concede acceso de lectura a todos, pero solo el propietario tiene acceso de lectura y escritura....

La acción `addFmtLib` se utiliza para agregar una biblioteca de formatos a la sesión actual de CAS. Por defecto, si no se especifica un nombre, crea una biblioteca de formatos llamada _FMTLIBn, donde n se incrementa con cada biblioteca agregada....

Puede agregar una biblioteca de formatos de dos maneras: 1) Usando el parámetro `caslib` para indicar la caslib y el parámetro `name` para el nombre de la tabla (con o sin la extensión .sashdat). 2) Usando el parámetro `path` para especificar la ruta completa a un archivo de biblioteca de format...

El parámetro `fmtLibName` especifica el nombre que tendrá la biblioteca de formatos dentro de la sesión de CAS. Este nombre no puede tener más de 63 caracteres de longitud....

El parámetro `fmtSearch` controla cómo se integra la nueva biblioteca en el orden de búsqueda de formatos de la sesión. Las opciones son: 'APPEND' para añadirla al final (comportamiento por defecto), 'INSERT' para añadirla al principio, 'REPLACE' para sustituir completamente el orden de búsqu...

Al establecer `promote` en TRUE, la biblioteca de formatos se promociona a un alcance global, haciéndola accesible para todas las sesiones de CAS, no solo la actual. Tenga en cuenta que el servidor CAS puede estar configurado para requerir permisos de Superusuario para esta operación. Si es necesa...

Por defecto, la acción `addFmtLib` no sobrescribirá una biblioteca de formatos existente con el mismo nombre y fallará. Si desea reemplazar una biblioteca existente, debe especificar explícitamente el parámetro `replace` como TRUE....

La acción `addFormat` agrega un formato a una biblioteca de formatos existente en la sesión de CAS....

El parámetro `fmtLibName` es obligatorio y se utiliza para especificar el nombre de la biblioteca de formatos a la que se agregará el nuevo formato....

El parámetro `fmtName` es obligatorio y especifica el nombre del formato. Este nombre no puede terminar en un número y no puede ser el mismo que un formato proporcionado por SAS. Para formatos de caracteres, el nombre debe comenzar con un signo de dólar ($)....

Se utiliza el parámetro `ranges`, que especifica una lista de pares `valor=etiqueta` o `rango=etiqueta`. Los rangos se definen como `min-max=etiqueta`. Es importante usar un punto (.) como separador decimal para los valores numéricos....

Por defecto, el parámetro `replace` está establecido en `True`, lo que significa que si un formato con el mismo nombre ya existe, será reemplazado. Si se establece en `False`, la operación fallará si el formato ya existe....

El parámetro `fuzz` especifica un factor de aproximación para hacer coincidir valores numéricos con un rango. El valor predeterminado es 0....

Sí, el parámetro `locale` permite especificar la configuración regional (por ejemplo, 'en_US' o 'fr_FR') para asociarla con el formato, lo que es útil para formatos dependientes del idioma....

Cuando `multiLabel` se establece en `True`, permite que un valor interno tenga múltiples etiquetas asociadas, lo cual es útil para formatos de etiquetas múltiples. El valor predeterminado es `False`....

El parámetro `fmtType` permite especificar el tipo de formato, que puede ser `VALUE` (valor), `INVALUE` (inverso) o `PICTURE` (para formatos de imagen o plantilla)....

La acción `addLayer` se utiliza para agregar una capa a un modelo de Deep Learning existente....

El parámetro `layer` especifica el tipo de capa que se va a agregar y sus parámetros asociados. El valor que se especifica para el parámetro `type` dentro de `layer` determina qué otros parámetros son aplicables....

El parámetro `modelTable` es obligatorio y especifica la tabla en memoria que contiene el modelo al cual se le agregará la nueva capa....

El parámetro `name` es obligatorio y asigna un nombre único a la capa que se está agregando. Este nombre se usa para hacer referencia a la capa desde otras capas, por ejemplo, a través del parámetro `srcLayers`. Los nombres de las capas no distinguen entre mayúsculas y minúsculas....

Cuando se establece en `TRUE`, si ya existe una capa con el mismo nombre, esta será reemplazada por la nueva capa. El valor predeterminado es `FALSE`....

Se utiliza el parámetro `srcLayers` para especificar los nombres de las capas de origen para la capa que se está agregando....

Sí, el parámetro `sharingWeights` permite nombrar otra capa cuyos pesos serán compartidos con la capa actual....

Agrega una máquina al servidor....

Especifica los nombres de host de las máquinas que se agregarán al servidor....

Especifica el rol de la máquina. Los controladores se agregan como controladores de respaldo. Solo se admiten dos controladores. Los valores posibles son "CONTROLLER" o "WORKER"....

El valor predeterminado para el parámetro 'role' es "WORKER"....

Sí, esta acción está deshabilitada en un entorno de Kubernetes....

La acción `addNodeStatus` se utiliza para listar los detalles sobre las máquinas (nodos) que se están agregando actualmente al servidor de Cloud Analytic Services (CAS). Es una acción de monitoreo que proporciona el estado del proceso de expansión del clúster....

La acción `addNodeStatus` pertenece al conjunto de acciones `Session Methods` (Métodos de Sesión)....

No, la acción `addNodeStatus` no requiere ningún parámetro de entrada. Se invoca directamente para obtener el estado actual del proceso de adición de nodos....

La acción `addNodeStatus` devuelve una tabla de resultados que contiene detalles sobre el estado de cada máquina que se está añadiendo al servidor. Esta información puede incluir el nombre del nodo, su estado (por ejemplo, 'pendiente', 'activo', 'fallido') y otros detalles relevantes del proces...

La acción `addPrototypes` añade las definiciones PROTO y las almacena en una tabla....

Especifica que el archivo puente (bridge file) debe contener código para instalar y manejar señales....

Especifica la ruta al módulo de código fuente del archivo puente PROTO....

Especifica que las definiciones de prototipo se codifican en la tabla de funciones guardada. Sus alias son `encrypt` y `hide`....

Especifica la tabla donde se escriben las definiciones PROTO....

Especifica una biblioteca FCMP existente para cargar....

Especifica el nombre del paquete FCMP utilizado para almacenar las definiciones PROTO....

Especifica el código de la definición PROTO que se guarda en la tabla. Su alias es `code`....

Especifica si la tabla FCMP debe ser guardada....

Especifica que las funciones deben ser llamadas usando la convención __stdcall. Este parámetro es aplicable solo en PCs con sistema operativo Windows....

Agrega o reemplaza regiones personalizadas para el entorno S3....

Los parámetros requeridos son 'host' y 'name'. 'host' especifica el servidor al que CAS se conecta en AWS, y 'name' especifica un nombre único para la región que se está agregando o reemplazando....

Especifica el servidor al que CAS se conecta en AWS....

Especifica que SSL o TLS está deshabilitado durante la transferencia de datos. El valor predeterminado es FALSO....

Especifica que todas las comunicaciones con el entorno S3 se realizan mediante SSL. El valor predeterminado es VERDADERO....

La acción addRoutines agrega las rutinas FCMP y las almacena en una tabla....

El parámetro 'routineCode' especifica el código de la rutina FCMP que se guarda en la tabla. Es un parámetro obligatorio....

El parámetro 'funcTable' se utiliza para especificar la tabla donde se escribe la función FCMP....

El parámetro 'package' especifica el nombre del paquete FCMP que se utilizará para almacenar las funciones FCMP....

Sí, al establecer el parámetro 'appendTable' en TRUE, las nuevas funciones se añaden a la tabla FCMP existente....

Se utiliza el parámetro 'library' para especificar una biblioteca FCMP existente que se desea cargar....

El parámetro 'saveTable' especifica si la tabla FCMP debe ser guardada. Por defecto, su valor es FALSE....

La acción `addTable` se utiliza para añadir una tabla enviándola desde el cliente al servidor CAS. Es importante destacar que esta acción no se ejecuta de la misma manera que otras acciones como `loadTable`; cada cliente (CASL, Python, etc.) proporciona una función o método específico para tr...

Utilice el parámetro `append=TRUE` para añadir las filas de la tabla que se está procesando a una tabla ya existente en el servidor....

El parámetro `caslib` se utiliza para especificar el nombre de la caslib de destino donde se creará o modificará la tabla....

Sí, puede especificar `columnar=TRUE` para crear la tabla en memoria en un formato columnar, lo cual puede ser más eficiente para ciertas operaciones analíticas....

Puede usar los parámetros `commitRecords` para especificar el número de filas a recibir antes de confirmar, o `commitSeconds` para especificar el número de segundos a esperar antes de confirmar los datos en la tabla....

Sí, estableciendo el parámetro `compress=TRUE` se comprimirá la tabla de destino en el servidor CAS....

El parámetro `copies` especifica el número de copias redundantes de las filas. Un valor mayor proporciona una mayor tolerancia a fallos si un nodo del servidor falla, pero consume más memoria. Un valor de 0 deshabilita la tolerancia a fallos....

Utilice el parámetro `descending` para especificar las variables (previamente definidas en `orderBy`) que deben ordenarse en orden descendente, es decir, del valor más alto al más bajo....

El parámetro `label` permite asociar una etiqueta descriptiva a una variable específica dentro de la tabla....

El parámetro `maxMBytes` especifica la cantidad máxima de memoria física en megabytes que la tabla puede usar. Si se supera este umbral, el servidor utilizará archivos temporales para la gestión de memoria....

El parámetro `memoryFormat` permite elegir el formato de memoria. Las opciones son: 'STANDARD' (formato estándar), 'DVR' (reducción de valores duplicados para ahorrar memoria) o 'INHERIT' (usa la configuración predeterminada del servidor)....

El parámetro `orderBy` se utiliza para especificar los nombres de las variables que determinarán el orden de las filas dentro de cada partición de la tabla....

Sí, el parámetro `partition` permite especificar una o más variables para usar como claves de particionamiento. La tabla se dividirá según los valores formateados de estas variables....

Establezca el parámetro `promote=TRUE`. Esto añade la tabla con un alcance global, permitiendo que otras sesiones accedan a ella, siempre que la caslib de destino también tenga un alcance global....

El parámetro `recLen` es obligatorio y especifica la longitud, en bytes, de una fila en la tabla que se está añadiendo....

Si se establece `repeat=TRUE`, las filas de la tabla se duplican en cada máquina del servidor distribuido. Esto es útil para tablas de dimensiones que se usan frecuentemente en operaciones de unión (joins)....

Utilice el parámetro `replace=TRUE` para sobrescribir una tabla existente que tenga el mismo nombre que la que se está añadiendo....

El parámetro `vars` se utiliza para especificar una lista de diccionarios, donde cada diccionario define los atributos de una variable, como `name`, `length`, `type`, `label` y `format`....

La acción addUserActionSetPath añade una caslib a la ruta de búsqueda de conjuntos de acciones definidos por el usuario....

El parámetro obligatorio es 'caslib', que especifica la caslib que se va a añadir a la ruta de búsqueda....

Se utiliza la sintaxis: builtins.addUserActionSetPath / caslib="nombre_de_la_caslib";...

Realiza la agregación en variables seleccionadas....

El parámetro `table` es obligatorio y se utiliza para especificar la tabla de entrada, la caslib y otros parámetros comunes para el análisis....

Se puede usar el parámetro `inputs` para una especificación simple o el parámetro `varSpecs` para un control más detallado sobre las variables a agregar y la configuración del agregador....

El parámetro `interval` especifica el período de tiempo para la acumulación de observaciones, como 'MONTH' para agregar datos mensualmente. Requiere que se especifique una variable de ID....

El agregador `SUMMARY` devuelve estadísticas de resumen para variables numéricas, incluyendo MIN, MAX, NOBS, MEAN, SUM, STD, entre otras. Es el agregador predeterminado para variables numéricas sin formato....

Sí, se puede usar el parámetro `groupBy` dentro de la especificación de la tabla de entrada para agrupar los datos según una o más variables antes de realizar la agregación....

La acción alJoin se utiliza para unir una tabla de datos con una tabla de anotaciones....

El parámetro `table` se utiliza para especificar la tabla en memoria que contiene los datos para la operación de unión....

Utilice el parámetro `annotatedTable` para especificar la tabla en memoria que contiene los datos de anotación para la unión....

El parámetro `casOut` se utiliza para especificar el nombre de la nueva tabla que contendrá los resultados de la unión....

El parámetro `id` se utiliza para especificar la columna de identificador que se usará para unir la tabla de datos y la tabla de anotaciones....

El parámetro `joinType` especifica cómo se unen las tablas. Las opciones disponibles son `APPEND`, `FULL`, `INNER`, `LEFT` y `RIGHT`. El valor predeterminado es `LEFT`....

La acción `alterTable` se utiliza para renombrar tablas, cambiar etiquetas y formatos de columnas, y eliminar columnas de una tabla en memoria en CAS....

Para renombrar una tabla, utiliza el parámetro `name` para especificar la tabla actual y el parámetro `rename` para proporcionar el nuevo nombre de la tabla....

Sí, puedes especificar una nueva etiqueta para la tabla utilizando el parámetro `label`....

Puedes eliminar columnas de dos maneras: usando el parámetro `drop` a nivel de acción con una lista de nombres de columnas a eliminar, o usando el parámetro `columns` y especificando `drop=TRUE` para cada columna que desees eliminar....

El parámetro `drop` especifica las columnas a eliminar de la tabla, mientras que el parámetro `keep` especifica las columnas a mantener, eliminando todas las demás....

Utiliza el parámetro `columns`, que es una lista de diccionarios. Para cada columna que quieras modificar, proporciona su nombre actual con la clave `name` y luego especifica las nuevas propiedades como `format`, `label` o `rename` para el nuevo nombre....

El parámetro `columnOrder` especifica el nuevo orden de las columnas en los metadatos de la tabla....

El parámetro `lifetime` especifica el número de segundos que una tabla se mantiene en memoria después de su último acceso. Si la tabla no se accede durante este período, se elimina automáticamente de la memoria....

Este parámetro especifica la política de redistribución de la tabla cuando el número de 'workers' (nodos de trabajo) en el servidor CAS aumenta. Las opciones son `DEFER` (diferir la política), `NOREDIST` (no redistribuir) y `REBALANCE` (reequilibrar los datos de la tabla entre todos los nodos)....

La acción `analyzeMissingPatterns` realiza un análisis de los patrones de valores perdidos en un conjunto de datos....

La tabla de entrada se especifica mediante el parámetro `table`, que es obligatorio. Este parámetro permite definir el nombre de la tabla, la caslib y otras opciones comunes....

El parámetro `casOut` es obligatorio y se utiliza para especificar la tabla CAS donde se almacenarán los resultados del análisis....

Sí, se puede especificar una variable objetivo utilizando el parámetro `target` (o su alias `evalVar`)....

La acción utiliza el parámetro `distinctCountLimit` para manejar la cardinalidad. Si se excede este límite y el parámetro `misraGries` está activado (que es el valor por defecto), se emplea el algoritmo de boceto de frecuencia de Misra-Gries para estimar la distribución....

Sí, el parámetro `inputs` (o su alias `vars`) permite especificar una lista de las variables que se incluirán en el análisis, permitiendo así trabajar con un subconjunto de las variables de la tabla de entrada....

La acción `annCode` genera código de puntuación del DATA step a partir de un modelo de red neuronal artificial....

Se utiliza el parámetro `modelTable` para especificar la tabla que contiene el modelo de red neuronal artificial. Este modelo se puede utilizar para puntuar una tabla o generar código de puntuación SAS....

El parámetro `listNode` especifica los nodos que se incluirán en la tabla de salida puntuada. Las opciones son ALL, HIDDEN, INPUT y OUTPUT. Es particularmente útil para la codificación automática para reducir la dimensionalidad de los nodos de entrada....

El parámetro `modelId` especifica un nombre de variable para la ID del modelo que se incluye en el código de puntuación del DATA step generado. Por defecto, el nombre de esta variable es el nombre de la variable objetivo con el prefijo "ANN_"....

Sí, el parámetro `code` con su sub-parámetro `casOut` permite que la acción produzca código de puntuación SAS y lo guarde en una tabla de CAS....

La acción `annotateImages` anota imágenes en una tabla con metadatos contenidos en la misma tabla....

Los parámetros obligatorios para la acción `annotateImages` son `images`, que especifica la tabla de imágenes de entrada; `annotations`, que define las anotaciones a realizar; y `casOut`, que especifica la tabla de salida para las imágenes ya anotadas....

La tabla de entrada se define con el parámetro `images`. Este requiere un sub-parámetro `table` donde se debe especificar el nombre de la tabla (`name`) y opcionalmente la caslib (`caslib`) que la contiene....

El parámetro `decode` se utiliza para especificar si las imágenes de entrada necesitan ser decodificadas. Si se establece en `true`, las imágenes se decodifican y se pueden especificar opciones adicionales como el tipo de codificación de salida (`encodeType`)....

La acción `annScore` se utiliza para puntuar una tabla de datos utilizando un modelo de red neuronal artificial previamente entrenado....

El parámetro `modelTable` es obligatorio y especifica la tabla que contiene el modelo de red neuronal artificial que se usará para la puntuación....

Puedes establecer el parámetro `assess` en `TRUE`. Esto agregará las probabilidades predichas a la tabla de resultados, las cuales pueden ser utilizadas posteriormente por la acción `assess`....

Cuando se establece en `TRUE`, `assessOneRow` agrega las probabilidades predichas para los niveles de eventos a la tabla de resultados, pero incluye todas las probabilidades de eventos como columnas separadas con el prefijo `_NN_P_`....

Sí, puedes usar el parámetro `copyVars` para especificar una lista de variables que deseas transferir desde la tabla de entrada a la tabla de salida....

El parámetro `listNode` especifica qué nodos (de entrada, ocultos, de salida o todos) se incluirán en la tabla de salida puntuada. Es especialmente útil en la codificación automática para usar los valores de salida de los nodos como vectores de entrada para otros algoritmos....

La acción `annTrain` se utiliza para entrenar una red neuronal artificial....

El parámetro `arch` especifica la arquitectura de red a entrenar. Las opciones son 'DIRECT' (una extensión de MLP con conexiones directas), 'GLIM' (modelo lineal generalizado, un perceptrón de dos capas sin capas ocultas) y 'MLP' (perceptrón multicapa con una o más capas ocultas)....

Se utiliza el parámetro `hiddens` para especificar el número de neuronas ocultas para cada capa oculta. Por ejemplo, `hiddens={5, 3}` define dos capas ocultas, una con 5 neuronas y la segunda con 3....

El parámetro `errorFunc` permite especificar la función de error. Las opciones disponibles son 'ENTROPY', 'GAMMA', 'NORMAL' y 'POISSON'. Por defecto, se usa 'ENTROPY' para variables nominales y 'NORMAL' para variables de intervalo....

Sí, el parámetro `resume` cuando se establece en 'TRUE' permite reanudar un entrenamiento de optimización utilizando los pesos obtenidos de un entrenamiento anterior, que se cargan desde una tabla especificada en `modelTable`....

Se utiliza el parámetro `validTable` para especificar la tabla con los datos de validación. Usar una tabla de validación permite la detención temprana del proceso de iteración. Esta tabla debe tener las mismas columnas y tipos de datos que la tabla de entrenamiento....

La acción 'append' se utiliza para anexar las filas de una tabla (tabla de origen) a otra tabla (tabla de destino)....

El requisito principal es que la tabla de destino ('target') debe ser una tabla en memoria (in-memory table)....

Los parámetros obligatorios son 'source', que especifica la tabla de entrada, y 'target', que especifica la tabla a la que se añadirán los datos....

Puede usar el subparámetro 'where' dentro del parámetro 'source' para especificar una expresión que filtre las filas que se anexarán....

Cuando se establece en 'True', 'singlePass' evita la creación de una tabla transitoria en el servidor, lo que puede ser más eficiente. Sin embargo, el orden de los datos podría no ser estable en ejecuciones repetidas....

Sí, puede usar el subparámetro 'dataSourceOptions' dentro del parámetro 'source' para especificar opciones de la fuente de datos....

La acción `applyCategory` categoriza texto utilizando un modelo de categorización (archivo MCO)....

El parámetro obligatorio es `model`, que especifica la tabla de entrada de CAS que contiene el modelo de categorización....

El parámetro `casOut` especifica el nombre de la tabla de datos de salida que contendrá las categorías....

El parámetro `scoringAlgorithm` especifica el algoritmo de puntuación. Los valores posibles son "FREQUENCY" (Frecuencia) y "WEIGHTED" (Ponderado). El valor predeterminado es "FREQUENCY"....

Ambas tablas contienen información sobre las coincidencias, pero en formatos diferentes. La tabla `matchOut` contiene una coincidencia por fila. La tabla `groupedMatchOut` agrupa las coincidencias por categoría para cada documento. Especificar `groupedMatchOut` es opcional....

La acción applyConcept realiza la extracción de conceptos utilizando un modelo de extracción de conceptos (archivo LI)....

El parámetro 'table' especifica una tabla CAS de entrada que contiene los documentos de entrada para analizar....

El parámetro 'docId' especifica el nombre de la variable de la tabla CAS que contiene los identificadores de los documentos....

Se utiliza el parámetro 'text', que especifica el nombre de la variable de la tabla CAS que contiene el texto a ser procesado....

El parámetro 'model' especifica una tabla CAS de entrada que contiene el modelo LI definido por el usuario. Si no se especifica, se utiliza el modelo base....

El parámetro 'matchType' especifica el tipo de valor de coincidencia de entrada. Las opciones son "ALL" (todas las coincidencias), "BEST" (la mejor coincidencia) o "LONGEST" (la coincidencia más larga). El valor predeterminado es "ALL"....

El parámetro 'dropConcepts' especifica una lista de conceptos primarios para eliminar de las tablas de salida CAS. Esto es útil para limitar los conceptos predefinidos en la salida sin eliminarlos del modelo....

Se pueden generar cuatro tablas de salida: 'casOut' para los resultados de coincidencias de conceptos, 'factOut' para los resultados de coincidencias de hechos, 'ruleMatchOut' para la información de coincidencias de reglas, y 'parseTableOut' para contener los documentos de entrada pre-analizados y ...

La acción `arima` se utiliza para el análisis de series temporales univariadas, permitiendo ajustar modelos ARIMA (Promedio Móvil Integrado Autorregresivo) para la estimación y el pronóstico de datos de series temporales....

Los parámetros requeridos son `table` para especificar la tabla de datos de entrada, `interval` para definir la frecuencia de la serie temporal, y `series` para indicar la variable de la serie a modelar junto con sus opciones de modelo....

La estructura del modelo se define dentro del parámetro `series`, utilizando la opción `model` y luego `estimate`. Los órdenes se especifican con `p` para los polinomios autorregresivos, `diff` para la diferenciación, y `q` para los polinomios de media móvil....

La acción `arima` ofrece tres métodos de estimación a través del parámetro `method`: Mínimos Cuadrados Condicionales (`CLS`), Máxima Verosimilitud (`ML`) y Mínimos Cuadrados Incondicionales (`ULS`). El método por defecto es `CLS`....

Para generar pronósticos, se utiliza la opción `forecast` dentro de `model`, donde el parámetro `lead` especifica el número de períodos a pronosticar. Los resultados, incluyendo los valores pronosticados y los límites de confianza, se pueden guardar en una tabla CAS utilizando los parámetros ...

La acción 'assess' se utiliza para evaluar y comparar modelos....

El parámetro 'event' especifica el valor formateado de la variable de respuesta que representa el evento de interés. Si no se especifica y la variable de respuesta es numérica, la acción realiza una evaluación para un modelo de regresión....

Para generar estadísticas de ajuste, se debe establecer el parámetro 'includeFitStat' en TRUE. Los resultados se pueden guardar en una tabla de salida especificando el parámetro 'fitStatOut'. Si la variable de respuesta es nominal, también se deben especificar los eventos de probabilidad ('pEven...

El parámetro 'cutStep' especifica el tamaño del paso a utilizar para los cálculos de la curva ROC (Receiver Operating Characteristic). Su valor predeterminado es 0.01....

Sí, estableciendo el parámetro 'includeCutoffOne' en TRUE, los resultados de ROC incluirán una fila para un punto de corte (cutoff) de 1, lo que puede simplificar el trazado de la curva ROC. Por defecto, está en FALSE....

El parámetro 'pResponse' especifica la variable de respuesta predicha para la evaluación del modelo. Esta variable debe tener el mismo formato que la variable de respuesta real. La acción filtra las observaciones que tienen un valor para esta variable y el evento especificado....

El parámetro 'method' permite elegir entre el algoritmo "EXACT" (exacto) y el "ITERATIVE" (iterativo) para el análisis de percentiles. El método predeterminado es "ITERATIVE"....

La acción 'assessBias' se utiliza para calcular métricas de sesgo para modelos predictivos....

El parámetro 'table' especifica la tabla de datos de entrada que se utilizará para la evaluación del sesgo....

El parámetro 'sensitiveVariable' especifica la variable sensible que se utilizará en los cálculos de sesgo. Es un parámetro obligatorio....

El parámetro 'predictedVariables' especifica la lista de variables que contienen las predicciones del modelo. El orden de estas variables debe coincidir con el orden especificado en el parámetro 'responseLevels'....

El parámetro 'modelTable' especifica la tabla de entrada que contiene el modelo a explicar. Esta tabla debe contener un almacén analítico (analytic store) o un código de puntuación de paso DATA (DATA step scoring code)....

El parámetro 'event' se utiliza para especificar el valor formateado de la variable de respuesta (objetivo) que representa el evento de interés....

Asume un rol de administrador....

Especifica el rol de administrador que se va a asumir....

Los valores posibles son "ACTION", "DATA" y "SUPERUSER"....

Proporciona acceso sin restricciones (exento de permisos) a los conjuntos de acciones y a las acciones....

Proporciona acceso sin restricciones (exento de permisos) a las definiciones de caslibs, tablas y columnas, incluida la capacidad de agregar caslibs....

Proporciona los privilegios de los roles de acción y datos, además de la capacidad de gestionar roles y rutas....

El valor predeterminado es "SUPERUSER"....

La acción 'attribute' gestiona los atributos de tabla extendidos....

El parámetro 'attributes' especifica los atributos extendidos. Si se utiliza este parámetro, también se debe especificar el parámetro 'set'....

El parámetro 'caslib' especifica la caslib de destino para la tabla de atributos extendidos....

El parámetro 'name' es obligatorio y especifica el nombre para la tabla de atributos extendidos....

El parámetro 'set' especifica el nombre para el conjunto de atributos extendidos....

El parámetro 'table' (alias: attrTable) especifica el nombre de una tabla de atributos extendidos existente para usar con una tarea ADD, UPDATE o CONVERT. Para CONVERT, este parámetro nombra la tabla que se usará para almacenar los atributos extendidos....

El parámetro 'task' especifica la tarea a realizar. Los valores posibles son ADD (predeterminado), CONVERT, DROP, EXPORT o UPDATE....

Se pueden proporcionar atributos extendidos como un documento XML usando el parámetro 'xml' para el contenido directo o 'xmlPath' para especificar la ruta a un archivo....

La acción `augmentImages` se utiliza para aumentar imágenes mediante la creación de parches y la aplicación de diversas mutaciones sobre ellos para expandir un conjunto de datos de entrenamiento....

Se pueden aplicar varias mutaciones, como volteo horizontal (`horizontalFlip`), volteo vertical (`verticalFlip`), rotación (`rotateLeft`, `rotateRight`), cambios de color (`colorJittering`, `colorShifting`), ajustes de brillo (`darken`, `lighten`), y transformaciones de nitidez (`sharpen`)....

Para usar la imagen completa sin recortarla en parches, debe especificar el parámetro `useWholeImage` con el valor `True`....

Cuando el parámetro `sweepImage` se establece en `True`, la acción recorre toda la imagen con una ventana deslizante para crear parches. Puede controlar el tamaño de la ventana con los parámetros `width` y `height`, y el desplazamiento con `stepSize`....

Sí, el parámetro `mutations` permite especificar una lista de transformaciones que se aplicarán a cada parche generado, creando así múltiples variaciones aumentadas a partir de una sola imagen de entrada....

La tabla de entrada se especifica mediante el parámetro `table`, donde se debe indicar el nombre de la tabla y, opcionalmente, la caslib donde se encuentra....

La acción bartGauss se utiliza para ajustar modelos de árboles de regresión aditivos bayesianos (BART) a datos de respuesta con distribución normal....

El parámetro 'nTree' especifica el número de árboles en una muestra del conjunto de suma de árboles....

Por defecto ('SEPARATE'), la acción trata los valores perdidos para predictores continuos como un grupo separado y para predictores categóricos como un nivel separado durante la fase de entrenamiento....

El parámetro 'store' guarda el modelo en un objeto de tabla binaria que se puede utilizar posteriormente para la puntuación (scoring)....

El parámetro 'nBI' (burn-in) especifica el número de iteraciones de calentamiento que se realizarán antes de que la acción comience a guardar muestras para la predicción....

El parámetro 'leafSigmaK' especifica el valor utilizado para determinar la varianza a priori para el parámetro de la hoja en el modelo....

La acción `bart.bartProbit` ajusta modelos de árboles de regresión aditivos bayesianos (BART) de tipo probit. Está diseñada específicamente para datos donde la variable de respuesta es binaria....

Su propósito principal es ajustar modelos BART probit para analizar datos de respuesta con distribución binaria, permitiendo un enfoque de modelado bayesiano no paramétrico....

La acción `bartProbit` ofrece varias estrategias a través del parámetro `missing`. Por ejemplo, 'SEPARATE' trata los valores perdidos como una categoría separada, mientras que 'NONE' excluye las observaciones con valores perdidos....

Los parámetros clave son `nBI` (burn-in iterations), que especifica el número de iteraciones de calentamiento, y `nMC` (MCMC iterations), que define el tamaño de la muestra MCMC a guardar después del calentamiento....

El parámetro `nTree` especifica el número de árboles que se utilizarán en el conjunto de suma de árboles que conforma el modelo BART. El valor predeterminado es 200....

Sí, se puede guardar el modelo en una tabla binaria utilizando el parámetro `store`. Este objeto guardado puede ser utilizado más tarde para tareas de puntuación (scoring)....

La acción `bartScore` crea una tabla en el servidor que contiene los resultados de la puntuación de observaciones utilizando un modelo ajustado de árboles de regresión aditivos bayesianos (BART)....

El parámetro `table` se utiliza para especificar la tabla de datos de entrada que se va a puntuar....

Se utiliza el parámetro `restore`, que es obligatorio, para especificar un objeto de tabla binaria que contiene el modelo ajustado de una ejecución anterior....

El parámetro `casOut` es obligatorio y se utiliza para especificar la tabla de salida en el servidor que contendrá las estadísticas por observación calculadas....

Sí, estableciendo el parámetro `avgOnly` en `FALSE`. Por defecto, es `TRUE`, lo que significa que solo se incluyen las predicciones promedio de la muestra....

Utilice el parámetro `copyVars` para proporcionar una lista de los nombres de las variables que desea copiar de la tabla de puntuación a la tabla de salida....

El parámetro `alpha` especifica el nivel de significancia para construir los límites de credibilidad de colas iguales. Su valor predeterminado es 0.05....

El parámetro `seed` especifica una semilla para iniciar el generador de números pseudoaleatorios, asegurando la reproducibilidad de los resultados. El valor predeterminado es 0....

La acción `batchresults` cambia una acción que se está ejecutando actualmente a modo de lote. Esto permite que la acción continúe ejecutándose en segundo plano sin que el cliente tenga que esperar a que se complete, y los resultados se pueden recuperar más tarde....

El parámetro obligatorio es `uuid`, que corresponde al identificador único de la sesión donde se está ejecutando la acción que se desea pasar a modo de lote....

Para cambiar una acción en otra sesión a modo de lote, debe especificar el UUID de esa sesión en el parámetro `uuid` de la acción `batchresults`....

La acción 'binning' realiza una discretización no supervisada de variables, lo que significa que agrupa valores de variables continuas en un número menor de contenedores o 'bins'....

El parámetro 'method' especifica la técnica de agrupamiento (binning) que se utilizará. Las opciones son 'BUCKET' para crear bins de igual amplitud, 'QUANTILE' para crear bins de igual frecuencia (con aproximadamente el mismo número de observaciones en cada uno), y 'CUTPTS' para crear bins segú...

Para definir puntos de corte personalizados, se debe utilizar el método 'CUTPTS' en el parámetro 'method' y especificar los puntos de corte deseados en el parámetro 'cutPoints'....

El parámetro 'nBinsArray' (alias 'nBins') especifica el número de bins que se crearán para cada variable. Se puede proporcionar un solo valor entero para aplicarlo a todas las variables o una lista de enteros para especificar un número de bins diferente para cada variable....

Mediante el parámetro 'binMissing'. Si se establece en 'True', los valores perdidos se agrupan en un bin separado, al cual se le asigna el ID 0....

El parámetro 'binMapping' controla cómo se asignan los valores que caen exactamente en el límite entre dos bins consecutivos. La opción 'LEFT' utiliza la notación [], (], ..., (], mientras que 'RIGHT' (valor por defecto) utiliza la notación [), [), ..., []....

Sí, el parámetro 'code' permite generar código del DATA step de SAS para aplicar la misma lógica de binning a nuevos datos....

La tabla especificada en el parámetro 'casOut' almacena la tabla de entrada puntuada, es decir, con las nuevas variables que contienen los resultados de la discretización....

La acción bnet utiliza modelos de redes bayesianas para clasificar la variable objetivo....

Especifica el nivel de significancia para las pruebas de independencia utilizando las estadísticas chi-cuadrado o G-cuadrado. Si se desea elegir el mejor modelo entre varios, se pueden especificar hasta cinco números. Si se especifican múltiples números pero no se establece el parámetro 'bestMo...

El parámetro 'missingInt' especifica cómo manejar los valores perdidos para las variables de intervalo. 'IGNORE' (ignorar) omite las observaciones con valores perdidos. 'IMPUTE' (imputar) reemplaza los valores perdidos con la media de la variable....

El parámetro 'missingNom' especifica cómo manejar los valores perdidos para las variables nominales. 'IGNORE' (ignorar) omite las observaciones. 'IMPUTE' (imputar) reemplaza los valores perdidos con la moda de la variable. 'LEVEL' (nivel) trata los valores perdidos como un nivel separado de la var...

El parámetro 'structures' especifica los tipos de estructura de red a aprender. Las opciones incluyen 'GENERAL' (o 'GN') para una red bayesiana general, 'MB' para la manta de Markov, 'NAIVE' para una red bayesiana ingenua, 'PC' para una estructura padre-hijo, y 'TAN' para una red bayesiana ingenua ...

Especifica cómo seleccionar las variables de entrada más allá de la preselección. Las opciones son 'ZERO' (usar todas las variables después de la preselección), 'ONE' (probar la independencia condicional dada cualquier otra variable), 'TWO' (probar la independencia condicional dado cualquier s...

Especifica los métodos de aprendizaje de la estructura. 'BESTONE' utiliza un enfoque codicioso para añadir un padre en cada iteración. 'BESTSET' prueba múltiples conjuntos de variables y elige el mejor conjunto como padres....

La acción `boxChart` se utiliza para producir diagramas de caja, que son una herramienta fundamental en el control estadístico de procesos para visualizar la distribución de datos de un proceso....

Para especificar la tabla de datos de entrada, debe utilizar el parámetro `table`, que es obligatorio. Dentro de este parámetro, puede definir el nombre de la tabla, la caslib y otras opciones de importación de datos....

El parámetro `controlStat` especifica si los límites de control del diagrama de caja se calculan para las medias de los subgrupos (`MEAN`) o las medianas de los subgrupos (`MEDIAN`). El valor predeterminado es `MEAN`....

El parámetro `sMethod` especifica el método para estimar la desviación estándar del proceso. Las opciones disponibles son `RMSDF` (media cuadrática ponderada), `RMVLUE` (estimación lineal insesgada de varianza mínima basada en rangos), `RNOWEIGHT` (estimación no ponderada basada en rangos), ...

Sí, el parámetro `primaryTests` permite solicitar una o más pruebas de causas especiales para el gráfico de control primario. Puede habilitar hasta 8 pruebas diferentes, como `test1` para un punto fuera de los límites de control o `test2` para nueve puntos consecutivos en un lado de la línea c...

Puede utilizar el parámetro `outLimitsTable` para especificar una tabla de salida CAS donde se guardarán los límites de control calculados por la acción....

El parámetro `pctlDef` especifica la definición que se utiliza para calcular los percentiles al construir los diagramas de caja y bigotes (box-and-whisker plots). Acepta un valor entero y su valor predeterminado es 5....

Sí. Para calcular los índices de capacidad, debe proporcionar una tabla de límites de especificación usando el parámetro `specsTable`. Además, puede establecer `ciIndices` en `true` para calcular los límites de confianza para estos índices, especificando el nivel de confianza con `ciAlpha` y...

La acción `boxPlot` del conjunto de acciones `percentile` se utiliza para calcular cuantiles, los bigotes superiores e inferiores, y los valores atípicos para un diagrama de caja (box plot)....

El parámetro `method` especifica el algoritmo para el análisis de percentiles. Los algoritmos soportados son el método Iterativo (`ITERATIVE`) y el método Exacto (`EXACT`). El valor predeterminado es `ITERATIVE`....

Para calcular valores atípicos, establece el parámetro `outliers` en `True`. Puedes controlar cómo se reportan con `nOutBins`, que especifica el número de contenedores para agruparlos, o con `nOutLimit`, que define el número máximo de valores atípicos individuales a devolver tanto para el ext...

El parámetro `pctlDef` permite especificar una de las cinco definiciones para calcular las estadísticas de cuantiles (percentiles), tal como se describe en la documentación del procedimiento UNIVARIATE. El valor por defecto es 6, que corresponde a un proceso iterativo....

El parámetro `whiskerPercentile` especifica el percentil para los bigotes inferior y superior. Por ejemplo, si se especifica un valor de 10, los bigotes se establecerán en los percentiles 10 y 90. Las observaciones que caen fuera de estos bigotes se consideran valores atípicos....

La acción `brScore` se utiliza para puntuar datos de texto basándose en un conjunto de reglas booleanas predefinidas. Esencialmente, evalúa si los documentos cumplen con las condiciones especificadas en las reglas....

Para ejecutar la acción `brScore`, se requieren dos tablas de entrada: 1) el parámetro `table`, que especifica la tabla de datos de entrada que se va a puntuar; y 2) el parámetro `ruleTerms`, que especifica la tabla que contiene los términos de cada regla, generalmente generada por la acción `b...

La tabla de salida se especifica mediante el parámetro `casOut`. Esta tabla contendrá los resultados de la coincidencia de reglas, mostrando qué documentos satisfacen qué reglas....

El parámetro `docId` se usa para especificar la variable en la tabla de entrada que contiene el identificador único del documento (su valor por defecto es '_document_'). Por otro lado, el parámetro `termId` especifica la variable que contiene el identificador del término (su valor por defecto es...

Sí, es posible. Al establecer el parámetro `useOldNames` en `TRUE`, la acción `brScore` utilizará los nombres de variables antiguos que se usaban en el procedimiento HPBOOLRULE, lo que facilita la compatibilidad con código heredado....

La acción `brScore` del conjunto de acciones `boolRule` se utiliza para puntuar datos de texto basándose en un conjunto de reglas booleanas predefinidas, que generalmente son generadas por la acción `brTrain`....

La acción `brScore` requiere dos tablas de entrada principales: el parámetro `table`, que especifica la tabla de datos de entrada a puntuar, y el parámetro `ruleTerms`, que especifica la tabla que contiene los términos de cada regla generada por la acción de entrenamiento....

La tabla de salida se especifica mediante el parámetro `casOut`. Esta tabla contendrá los resultados de la coincidencia de reglas, es decir, indicará qué documentos satisfacen qué reglas....

El parámetro `docId` se usa para especificar la variable en la tabla de entrada que contiene el identificador del documento (por defecto, `_document_`). El parámetro `termId` especifica la variable que contiene el identificador del término (por defecto, `_termnum_`)....

El parámetro `useOldNames` (cuyos alias son `legacyName` o `legacyNames`) es un booleano que especifica si se deben usar los nombres de variable antiguos que se utilizaban en el procedimiento HPBOOLRULE. Su valor predeterminado es FALSO....

La acción `brTrain` se utiliza para extraer reglas booleanas a partir de datos de texto....

La tabla de entrada principal, especificada por el parámetro `table`, es obligatoria y contiene los datos para la extracción de reglas. Adicionalmente, se pueden especificar una tabla de información de documentos (`docInfo`) y una tabla de información de términos (`termInfo`)....

La acción `brTrain` puede generar tres tablas de salida a través del parámetro `casOuts`: `rules` (que contiene las reglas generadas para cada categoría), `ruleTerms` (que contiene los términos en cada regla generada) y `candidateTerms` (que contiene los términos seleccionados para la creació...

El parámetro `gPositive` (alias: `gPos`) especifica la puntuación g (g-score) mínima necesaria para que un término positivo sea considerado para la extracción de reglas. Su valor predeterminado es 8....

Las variables objetivo se especifican mediante el subparámetro `targets` dentro del parámetro `docInfo`. Este subparámetro acepta una lista con los nombres de las variables que se usarán como objetivo....

El parámetro `maxTriesIn` especifica el valor 'k-in' para la búsqueda de los k-mejores en el proceso de conjunto de términos para crear reglas. Por otro lado, `maxTriesOut` especifica el valor 'k-out' para la búsqueda de los k-mejores en el proceso de conjunto de reglas para crear el conjunto de...