Contexte Métier
Une équipe de Data Science a développé un modèle de scoring simple pour évaluer le risque client. Ce modèle est encapsulé dans une action CAS personnalisée. L'objectif est de sauvegarder cette action dans une table CAS, puis de la restaurer dans un autre environnement (ou une autre session) pour l'appliquer à de nouvelles données clients.
Préparation des Données
Création d'un jeu d'actions 'scoringModel' avec une action 'predictRisk' qui calcule un score simple. Ce jeu d'actions est ensuite sauvegardé dans la table 'scoringModelTable' dans la caslib CASUSER.
Copié !
| 1 | PROC CAS; |
| 2 | BUILTINS.defineActionSet |
| 3 | name='scoringModel', |
| 4 | actions={ |
| 5 | { |
| 6 | name='predictRisk', |
| 7 | parms={ {name='age', type='int'}, {name='revenue', type='double'} }, |
| 8 | script='score = (revenue / 10000) - (age / 10); send_response({_score_=score})' |
| 9 | } |
| 10 | }; |
| 11 | |
| 12 | BUILTINS.actionSetToTable |
| 13 | name='scoringModel', |
| 14 | TABLE={name='scoringModelTable', caslib='CASUSER', replace=true}; |
| 15 | QUIT; |
Étapes de réalisation
1
Restauration du jeu d'actions 'scoringModel' à partir de la table 'scoringModelTable' sous le nouveau nom 'productionScoring'.
Copié !
| 1 | PROC CAS; |
| 2 | BUILTINS.actionSetFromTable |
| 3 | name='productionScoring' |
| 4 | TABLE={caslib='CASUSER', name='scoringModelTable'}; |
| 5 | RUN; |
2
Vérification que le jeu d'actions 'productionScoring' et son action 'predictRisk' sont bien chargés et exécutables.
Copié !
| 1 | productionScoring.predictRisk / age=35 revenue=85000; |
| 2 | RUN; |
| 3 | QUIT; |
Résultat Attendu
L'action 'predictRisk' s'exécute avec succès et retourne un résultat de scoring. Le log SAS affiche le score calculé (dans cet exemple : 8.5 - 3.5 = 5.0), ce qui prouve que le jeu d'actions a été correctement restauré et est fonctionnel.