?> ¿Qué hace el parámetro 'cutStep' y cuál es su ... - Aide
QUESTION / RÉPONSE

¿Qué hace el parámetro 'cutStep' y cuál es su valor predeterminado?

0 consultations

Réponse

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.
Action technique liée

Voir la documentation de assess

Voir l'Action
Thématiques

Voir aussi

boxPlot
percentile

La acción `percentile.boxPlot` en SAS Viya es una herramienta de análisis estadístico que se utiliza para calcular un conjunto completo de estadísticas descriptivas necesarias para construir diagramas de caja (box plots). Estos diagramas son fundamentales para visualizar la distribución de datos numéricos, identificar la mediana, los cuartiles, los valores atípicos y la dispersión de una variable. La acción puede procesar grandes volúmenes de datos de manera eficiente en el entorno distribuido de CAS.

assess
percentile

Die Aktion `assess` im `percentile`-Aktionssatz dient zur Bewertung und zum Vergleich von Vorhersagemodellen. Sie ist besonders nützlich für die Evaluierung von Klassifikations- und Regressionsmodellen, indem sie wichtige Leistungsstatistiken wie ROC-Kurven (Receiver Operating Characteristic), Lift-Charts und Anpassungsstatistiken (z. B. Gini-Koeffizient, KS-Statistik, mittlere quadratische Abweichung) berechnet. Dies ermöglicht es Datenanalysten, die Genauigkeit und Vorhersagekraft ihrer Modelle objektiv zu messen und verschiedene Modelle miteinander zu vergleichen, um das leistungsstärkste auszuwählen.

boxPlot
percentile

Die Aktion `boxPlot` im `percentile`-Aktionssatz ist ein leistungsstarkes Werkzeug zur Durchführung einer robusten univariaten Analyse. Sie berechnet wesentliche deskriptive Statistiken, die für die Erstellung von Boxplots erforderlich sind, einschließlich Quantilen (wie dem Median und den Quartilen), den oberen und unteren Whiskers zur Identifizierung der Datenvariabilität sowie der Erkennung von Ausreißern. Diese Aktion ist besonders nützlich für die explorative Datenanalyse, um die Verteilung, Zentralität und Streuung numerischer Variablen schnell zu visualisieren und zu verstehen, oft gruppiert nach kategorialen Variablen.