?> FAQ - WeAreCAS

Foire Aux Questions

349 questions trouvées.

L'action `accessPersonalCaslibs` fournit un accès administratif à toutes les caslibs personnelles, c'est-à-dire CASUSER et CASUSERHDFS....

Cette action est utilisée par les administrateurs pour obtenir les privilèges nécessaires afin de gérer ou d'accéder au contenu de toutes les caslibs personnelles sur le serveur CAS....

L'action `accessPersonalCaslibs` ne nécessite aucun paramètre. Elle s'exécute directement pour accorder l'accès....

Seuls les administrateurs CAS sont autorisés à utiliser cette action, car elle accorde des privilèges étendus sur les espaces personnels des utilisateurs....

L'action `actionSetFromTable` a pour but de restaurer un jeu d'actions défini par l'utilisateur à partir d'une table en mémoire préalablement sauvegardée....

Le paramètre obligatoire est `table`. Ce paramètre spécifie la table en mémoire qui contient la définition du jeu d'actions à restaurer....

Le paramètre `name` est utilisé pour attribuer un nom au jeu d'actions défini par l'utilisateur qui est en cours de restauration à partir de la table....

La table source est spécifiée via le paramètre `table`, qui est un paramètre de type `castable`. Il faut y inclure au minimum le nom de la table et optionnellement la `caslib`....

L'action `actionSetInfo` est utilisée pour afficher les informations de compilation (build information) des ensembles d'actions (action sets) qui sont actuellement chargés....

Pour inclure tous les ensembles d'actions disponibles dans les résultats, et pas seulement ceux qui sont chargés, il faut définir le paramètre `all` sur `True`. Notez que cela peut ralentir l'exécution de l'action....

Par défaut, le paramètre `all` est défini sur `False`, ce qui signifie que l'action `actionSetInfo` n'affiche les informations que pour les ensembles d'actions déjà chargés en mémoire....

Elle crée une table en mémoire à partir d'un ensemble d'actions défini par l'utilisateur....

Le paramètre actionSet spécifie le nom de l'ensemble d'actions défini par l'utilisateur. Cet ensemble d'actions est converti de sa structure de données existante en une table en mémoire....

Le paramètre casOut spécifie les paramètres pour une table de sortie....

L'action `actionstatus` est utilisée pour obtenir le statut d'une action pour une session spécifique....

L'action `actionstatus` requiert le paramètre `uuid`, qui est l'identifiant unique de la session dont vous souhaitez connaître le statut de l'action....

Pour utiliser l'action `actionstatus` en CASL, vous devez exécuter la commande suivante : `session.actionstatus / uuid="string";`, où "string" est remplacé par l'UUID de la session....

L'action `addCaslib` ajoute une nouvelle bibliothèque caslib pour permettre l'accès à une source de données dans SAS Cloud Analytic Services (CAS)....

Une caslib est une bibliothèque qui fournit un moyen d'accéder à des sources de données, telles que des fichiers sur un serveur, des tables dans une base de données, ou des données dans le cloud. Elle agit comme un pointeur vers les données et gère les informations de connexion et les autori...

Utilisez le paramètre `dataSource` avec l'option `srcType` pour définir le type de source de données. Par exemple, pour une source de données de type chemin de fichier, vous utiliseriez `dataSource={srcType='PATH'}`. D'autres types incluent 'DNFS', 'ORACLE', 'POSTGRES', 'S3', etc....

Pour créer une caslib qui n'existe que pour la durée de la session en cours, utilisez le paramètre `session=True`. Les tables de cette caslib ne seront pas visibles par les autres sessions....

L'action `addCaslib` ne génère pas d'erreur si vous spécifiez un chemin invalide. La caslib est créée, mais toute tentative de chargement ou de sauvegarde de données échouera jusqu'à ce que le chemin soit corrigé....

Pour permettre l'accès aux tables et fichiers situés dans les sous-répertoires du chemin de votre caslib, définissez le paramètre `subDirectories=True`....

L'action addCaslibSubdir est utilisée pour créer un sous-répertoire à l'intérieur d'une caslib existante....

Le paramètre obligatoire est 'path', qui spécifie le chemin du sous-répertoire à ajouter. Ce chemin est relatif à la caslib....

Pour spécifier la caslib, utilisez le paramètre 'name' (ou ses alias 'lib' et 'caslib')....

Oui, le paramètre 'permission' (ou son alias 'perms') permet de spécifier les contrôles d'accès pour le nouveau sous-répertoire. Vous pouvez utiliser des valeurs prédéfinies comme 'PRIVATE', 'GROUPREAD', 'PUBLICREAD', ou une valeur entière. Par défaut, les permissions sont définies selon l...

L'action `addFmtLib` est utilisée pour ajouter une bibliothèque de formats à une session CAS. Par défaut, elle crée une bibliothèque de formats nommée `_FMTLIBn`, où `n` est un numéro qui s'incrémente à chaque ajout....

Vous avez deux options principales : 1) Utiliser les paramètres `caslib` et `name` pour charger une bibliothèque de formats à partir d'un fichier SASHDAT dans une caslib existante. 2) Utiliser le paramètre `path` pour spécifier le chemin d'accès direct à un fichier sur le nœud de contrôle d...

Par défaut, l'action échouera. Pour forcer le remplacement de la bibliothèque existante, vous devez définir le paramètre `replace` sur `TRUE`....

Pour rendre une bibliothèque de formats globale, utilisez le paramètre `promote=TRUE`. Notez que la promotion d'une bibliothèque à une portée globale peut nécessiter des privilèges administratifs (rôle Superuser) selon la configuration de votre serveur CAS....

Le paramètre `fmtSearch` contrôle ce comportement. Les options sont : `APPEND` (par défaut) pour l'ajouter à la fin de la liste de recherche, `INSERT` pour l'ajouter au début, `REPLACE` pour remplacer complètement la liste de recherche existante, ou `NONE` pour ne pas l'ajouter à la liste de ...

Oui, le nom de la bibliothèque de formats, spécifié via le paramètre `fmtLibName`, ne doit pas dépasser 63 caractères....

L'action `addFormat` est utilisée pour ajouter un format à une bibliothèque de formats existante dans une session CAS....

Les paramètres requis sont `fmtLibName`, qui spécifie le nom de la bibliothèque de formats, et `fmtName`, qui spécifie le nom du format à ajouter....

Le paramètre `dataType` indique si la valeur du format est de type DATE, TIME ou DATETIME....

Le paramètre `ranges` est utilisé pour spécifier une liste de paires valeur=libellé ou plage=libellé. Les plages sont définies comme min-max=libellé....

Par défaut, le paramètre `replace` est défini sur TRUE, ce qui signifie qu'un format existant du même nom sera remplacé. Si vous le définissez sur FALSE, l'action échouera si le format existe déjà....

Utilisez le paramètre `locale` pour spécifier la locale à utiliser dans le préfixe du nom du format, ce qui permet de créer des formats spécifiques à une langue ou une région....

Le paramètre `fuzz` spécifie un facteur de tolérance (fuzz factor) pour faire correspondre des valeurs numériques à une plage, ce qui est utile pour les données non exactes....

Oui, le paramètre `defaultL` permet de spécifier la longueur par défaut du format....

L'action `addLayer` est utilisée pour ajouter une couche à un modèle de Deep Learning existant. C'est une étape fondamentale dans la construction ou la modification d'architectures de réseaux neuronaux....

Pour utiliser l'action `addLayer`, vous devez spécifier trois paramètres obligatoires : `modelTable`, qui est la table contenant le modèle à modifier ; `name`, qui est un nom unique pour la nouvelle couche ; et `layer`, qui est un dictionnaire définissant le type de couche et ses paramètres sp...

Vous pouvez ajouter une grande variété de types de couches, notamment : 'INPUT' (entrée), 'CONV' (convolution), 'POOL' (pooling), 'FC' (entièrement connectée), 'RECURRENT' (récurrente), 'BATCHNORM' (normalisation par lots), 'OUTPUT' (sortie), 'RESIDUAL' (résiduelle), 'CONCAT' (concaténation)...

Vous utilisez le paramètre `srcLayers` (couches source) pour spécifier les noms des couches existantes auxquelles la nouvelle couche doit être connectée. Si ce paramètre est omis, la couche est généralement connectée à la dernière couche ajoutée au modèle....

Oui, en définissant le paramètre `replace` sur `TRUE`. Si une couche portant le même nom que celui spécifié dans le paramètre `name` existe déjà dans le modèle, elle sera remplacée par la nouvelle couche que vous définissez. Par défaut, ce comportement est désactivé (`FALSE`)....

L'action `addNodeStatus` liste les détails sur les machines qui sont actuellement en cours d'ajout au serveur....

L'action retourne une table de résultats qui détaille l'état de chaque machine en cours d'ajout. Cela peut inclure le nom du nœud, son état (par exemple, 'en attente', 'actif', 'échoué'), et d'autres informations de diagnostic....

Non, selon la syntaxe fournie pour CASL, Lua, Python et R, l'action `addNodeStatus` est appelée sans aucun paramètre pour récupérer l'état actuel....

Elle ajoute des définitions PROTO (prototypes de fonctions) et les stocke dans une table CAS en sortie....

Le paramètre `routineCode` (alias: `code`) est obligatoire. Il attend une liste de chaînes de caractères contenant le code des définitions PROTO à ajouter....

Il faut utiliser le paramètre `funcTable`, qui est une table CAS de sortie (casouttable) obligatoire....

Oui, en définissant le paramètre `encode` (ou ses alias `encrypt`, `hide`) sur `TRUE`. Cela encode les définitions dans la table de fonctions enregistrée....

Le paramètre `package` permet de spécifier le nom du package FCMP qui sera utilisé pour stocker les définitions PROTO....

Il spécifie le chemin d'accès au module source d'un fichier de pont PROTO, qui peut être utilisé pour l'intégration avec du code externe....

Non, par défaut le paramètre `saveTable` est à `FALSE`. Pour sauvegarder la table FCMP, il faut le définir sur `TRUE`....

L'action addPrototypes ajoute les définitions PROTO et les stocke dans une table....

Les paramètres requis pour l'action `addPrototypes` sont `funcTable` et `routineCode`....

Vous pouvez spécifier le code des définitions PROTO en utilisant le paramètre `routineCode`, qui contient le code à enregistrer dans la table....

Les définitions PROTO sont écrites dans la table spécifiée par le paramètre `funcTable`....

Oui, en utilisant le paramètre `encode` (avec les alias `encrypt` ou `hide`), les définitions de prototypes seront encodées dans la table de fonctions enregistrée....

L'action `addRegion` ajoute ou remplace des régions personnalisées pour l'environnement S3....

Le paramètre `host` est obligatoire et spécifie le serveur auquel CAS (Cloud Analytic Services) se connecte sur AWS....

Le paramètre `name` est obligatoire et spécifie un nom unique pour la région que vous ajoutez ou remplacez....

Le paramètre `nossl` indique que SSL ou TLS est désactivé pendant le transfert de données. Par défaut, sa valeur est FALSE....

Le paramètre `port` spécifie le port HTTP pour se connecter sans utiliser SSL. Si aucune valeur de port n'est spécifiée, la valeur par défaut (0) est utilisée....

Le paramètre `region` spécifie le code de région de la région que vous ajoutez ou remplacez....

Le paramètre `sslallowed` spécifie que SSL est autorisé lors de la communication avec l'environnement S3. Cette valeur est ignorée si le paramètre `sslrequired` est également spécifié. Sa valeur par défaut est TRUE....

Le paramètre `sslport` spécifie le port HTTP pour se connecter à S3 avec SSL. Si vous ne spécifiez pas de valeur de port, la valeur par défaut (0) est utilisée....

Le paramètre `sslrequired` spécifie que toutes les communications avec l'environnement S3 doivent être effectuées en utilisant SSL. Sa valeur par défaut est TRUE....

L'action `addRoutines` ajoute les routines FCMP et les stocke dans une table....

Il spécifie s'il faut ajouter les nouvelles fonctions à la table FCMP. La valeur par défaut est FALSE....

Il spécifie la table dans laquelle la fonction FCMP est écrite....

Il spécifie une bibliothèque FCMP existante à charger....

Il spécifie le nom du package FCMP utilisé pour stocker les fonctions FCMP....

Il spécifie le code de la routine FCMP qui est sauvegardé dans la table. Son alias est `code`....

Il spécifie si la table FCMP doit être sauvegardée. La valeur par défaut est FALSE....

L'action `addTable` est utilisée pour ajouter une table en l'envoyant du client vers le serveur CAS....

L'action `addTable` ne peut pas être exécutée directement de la même manière que d'autres actions. Chaque client (comme Python, Lua, etc.) fournit une fonction ou une méthode spécifique pour transférer les données au serveur, qui exécute ensuite l'action `addTable`....

Le paramètre `append` spécifie s'il faut ajouter les lignes de la table à une table déjà existante. Sa valeur par défaut est FALSE....

Le paramètre `caslib` spécifie la caslib cible où la table sera stockée sur le serveur CAS....

Si le paramètre `replace` est défini sur TRUE, toute table existante portant le même nom sera écrasée. La valeur par défaut est FALSE....

En définissant le paramètre `promote` sur TRUE, la table est ajoutée avec une portée globale, la rendant accessible à d'autres sessions, à condition que la caslib cible ait également une portée globale....

Utilisez le paramètre `orderBy` pour spécifier les noms de variables à utiliser pour ordonner les lignes à l'intérieur des partitions....

Oui, en utilisant le paramètre `partition`, vous pouvez spécifier les noms de variables qui serviront de clés de partitionnement. La table sera partitionnée en fonction des valeurs formatées de ces variables....

Cette action ajoute une caslib au chemin de recherche des jeux d'actions définis par l'utilisateur pour la session CAS en cours....

Le seul paramètre requis est 'caslib', qui spécifie le nom de la caslib à ajouter au chemin de recherche....

Le serveur CAS parcourt la liste des caslibs dans le chemin de recherche pour trouver et charger les jeux d'actions définis par l'utilisateur qui ne sont pas déjà chargés en mémoire....

L'action `aggregate` effectue une agrégation sur les valeurs d'une ou plusieurs variables sélectionnées dans une table....

Vous pouvez utiliser le paramètre `inputs` pour une spécification simple ou le paramètre `varSpecs` pour un contrôle plus détaillé, permettant de définir des agrégateurs spécifiques (comme `SUM`, `MEAN`, `MAX`) et d'autres options pour chaque variable....

Oui, en utilisant le paramètre `groupBy` dans la définition de la table d'entrée (`table`). L'action effectuera alors les agrégations pour chaque combinaison unique de valeurs des variables de regroupement....

L'action `aggregate` supporte de nombreux agrégateurs, incluant `SUMMARY` (statistiques descriptives complètes), `N` (nombre d'observations non manquantes), `NMISS` (nombre de valeurs manquantes), `NDISTINCT` (nombre de valeurs distinctes), `MINIMUM`, `MAXIMUM`, `MODE`, `Q1`, `Q2` (médiane), et `...

En spécifiant une variable d'identification temporelle (comme une date) avec le paramètre `id`, vous pouvez utiliser le paramètre `interval` (par exemple, 'MONTH', 'DAY') pour agréger les observations sur des périodes spécifiques. Des options comme `align` permettent de contrôler l'alignement...

Par défaut, les valeurs manquantes sont incluses. Pour les exclure, définissez le paramètre `includeMissing` sur `FALSE`....

Oui, le paramètre `weight` permet de spécifier une variable numérique dont les valeurs sont utilisées comme poids, ce qui est particulièrement pertinent pour l'agrégateur `SUMMARY`....

Utilisez le paramètre `casOut` pour spécifier le nom de la table de sortie, sa caslib, et d'autres options de sauvegarde....

L'action alJoin est utilisée pour fusionner une table de données avec une table d'annotations....

Les paramètres obligatoires sont `annotatedTable` qui spécifie la table d'annotations, `casOut` qui définit la table de sortie résultante, et `table` qui spécifie la table de données principale....

Le paramètre `id` spécifie une colonne d'identifiant utilisée comme clé de jointure entre la table de données et la table d'annotation....

Le paramètre `joinType` spécifie comment les tables sont jointes. Les valeurs possibles sont `APPEND`, `FULL`, `INNER`, `LEFT`, et `RIGHT`. La valeur par défaut est `LEFT`....

Le paramètre `logLevel` contrôle le niveau de détail des messages de progression envoyés au client. Un niveau de 0 (par défaut) n'envoie aucun message, 1 envoie des messages de début et de fin, et 2 ajoute l'historique des itérations....

L'action `alterTable` est utilisée pour renommer des tables, modifier des libellés et des formats, ainsi que pour supprimer des colonnes dans une table CAS....

Utilisez le paramètre `columns`, qui est une liste de dictionnaires. Chaque dictionnaire spécifie une colonne par son `name` et les modifications souhaitées, comme un nouveau nom (`rename`), un nouveau libellé (`label`), un nouveau format (`format`), ou pour la supprimer (`drop=True`)....

Oui, vous pouvez renommer une table en utilisant le paramètre `rename` et en spécifiant le nouveau nom de la table....

Vous pouvez supprimer des colonnes de deux manières : soit en utilisant le paramètre `drop` avec une liste de noms de colonnes à supprimer, soit en utilisant le paramètre `columns` et en définissant `drop=True` pour les colonnes concernées....

Oui, le paramètre `label` permet de spécifier un nouveau libellé pour la table....

Utilisez le paramètre `caslib` pour indiquer le nom de la caslib où se trouve la table que vous souhaitez modifier....

Le paramètre `lifetime` spécifie le nombre de secondes pendant lesquelles la table est conservée en mémoire après son dernier accès. Si la table n'est pas accédée pendant cette durée, elle est automatiquement supprimée de la mémoire....

Le paramètre `columnOrder` (ou son alias `order`) permet de spécifier la nouvelle séquence des colonnes en fournissant une liste de leurs noms dans l'ordre désiré....

Ce paramètre définit la politique de redistribution des données de la table lorsque le nombre de 'worker pods' augmente sur un serveur CAS en cours d'exécution. Les options sont `NOREDIST` (ne pas redistribuer), `REBALANCE` (rééquilibrer les données sur les nouveaux workers), ou `DEFER` (dél...

L'action `analyzeMissingPatterns` est utilisée pour effectuer une analyse des motifs de valeurs manquantes au sein d'un jeu de données....

Pour exécuter l'action `analyzeMissingPatterns`, vous devez spécifier deux paramètres obligatoires : `table`, qui désigne la table d'entrée à analyser, et `casOut`, qui spécifie la table de sortie où les résultats de l'analyse seront stockés....

Vous pouvez utiliser le paramètre `inputs` pour spécifier une liste des variables que vous souhaitez inclure dans l'analyse. Si ce paramètre n'est pas fourni, toutes les variables de la table d'entrée seront utilisées....

L'action utilise un seuil défini par `distinctCountLimit`. Si le nombre de valeurs distinctes dépasse cette limite (par défaut 10000), et que le paramètre `misraGries` est activé (ce qui est le cas par défaut), l'algorithme de sketch de fréquence Misra-Gries est utilisé pour estimer la distr...

Oui, vous pouvez spécifier une variable de fréquence en utilisant le paramètre `freq`. Chaque observation dans la table d'entrée est alors traitée comme si elle apparaissait N fois, où N est la valeur de la variable de fréquence pour cette observation....

L'action `annCode` a pour but de générer du code de scoring DATA step à partir d'un modèle de réseau de neurones artificiels préalablement entraîné....

Le paramètre obligatoire est `modelTable`. Il doit spécifier la table CAS qui contient le modèle de réseau de neurones à partir duquel le code de scoring sera généré....

Pour sauvegarder le code de scoring, vous devez utiliser le paramètre `code` avec le sous-paramètre `casOut`. Par exemple : `code={casOut={name="nom_table_code", caslib="ma_caslib"}}`....

Le paramètre `listNode` spécifie quels types de nœuds (INPUT, OUTPUT, HIDDEN, ou ALL) doivent être inclus dans la table de sortie scorée. C'est particulièrement utile pour l'auto-encodage. Sa valeur par défaut est `HIDDEN`, ce qui signifie que seuls les nœuds de la couche cachée seront incl...

L'action `annotateImages` sert à annoter des images contenues dans une table en utilisant des métadonnées provenant de cette même table. Elle permet d'ajouter des informations visuelles comme des lignes, des points, ou des masques de segmentation directement sur les images....

Pour utiliser l'action `annotateImages`, vous devez spécifier trois paramètres obligatoires : `images`, qui désigne la table d'entrée contenant les images ; `annotations`, qui décrit les annotations à appliquer ; et `casOut`, qui définit la table de sortie où les images annotées seront sauv...

L'action `annotateImages` supporte plusieurs types d'annotations, spécifiés via le paramètre `annotationType`. Les types disponibles sont : `LINES` pour dessiner des lignes, `POINTS` pour marquer des points, `PROTOBUF` pour utiliser des annotations au format Protobuf, et `SEGMENTATION` pour appli...

Pour une annotation de type `LINES`, vous pouvez spécifier la couleur en utilisant les paramètres `r`, `g`, et `b` pour les canaux Rouge, Vert et Bleu. L'épaisseur de la ligne se définit avec le paramètre `thickness`, qui accepte une valeur entière en pixels (par défaut 2)....

Oui, vous pouvez utiliser le paramètre `copyVars` pour spécifier une liste de noms de variables que vous souhaitez copier de la table d'entrée vers la table de sortie `casOut`. Cela permet de conserver des informations contextuelles avec les images annotées....

Évalue une table en utilisant un modèle de réseau de neurones artificiels....

Lorsqu'il est défini sur Vrai (True), les probabilités prédites sont ajoutées à la table de résultats pour les niveaux d'événement. Vous pouvez utiliser ces probabilités prédites avec l'action `assess`....

Lorsqu'il est défini sur Vrai (True), les probabilités prédites sont ajoutées à la table de résultats pour les niveaux d'événement. Toutes les probabilités d'événement sont incluses en tant que colonnes distinctes et sont nommées avec le préfixe _NN_P_. Vous pouvez utiliser ces probabil...

Le paramètre `casOut` spécifie les paramètres pour une table de sortie. Pour plus d'informations, consultez le paramètre commun `casouttable`....

Spécifie les variables à transférer de la table d'entrée vers la table de sortie....

Lorsqu'il est défini sur Vrai (True), les observations avec une valeur non manquante pour la variable cible sont utilisées comme valeurs prédites. Seules les observations avec des valeurs manquantes pour la variable cible sont évaluées....

Par défaut, les observations avec des valeurs manquantes sont incluses. Lorsqu'il est défini sur Faux (False), toute observation avec des valeurs manquantes pour les variables utilisées dans le modèle n'est pas incluse....

Spécifie les nœuds à inclure dans la table de sortie évaluée. Les options sont 'ALL', 'HIDDEN', 'INPUT', ou 'OUTPUT'. C'est particulièrement utile pour l'auto-encodage afin de réduire la dimension des nœuds d'entrée....

Spécifie le nom de la variable d'ID de modèle à utiliser lors de la génération de la table évaluée. Par défaut, le nom de la variable est _NN_PredName_ pour les classifications et _NN_Pred_ pour les régressions....

Spécifie la table qui contient le modèle de réseau de neurones artificiels à utiliser pour l'évaluation ou la génération de code de scoring SAS....

Spécifie les paramètres de la table d'entrée à évaluer....

Spécifie la variable cible lors de l'évaluation d'un jeu de données. Ce n'est pas nécessaire si le nom de la variable cible dans le modèle est le même que dans la table à évaluer....

L'action `annTrain` est utilisée pour entraîner un réseau de neurones artificiels. Elle fait partie de l'ensemble d'actions `neuralNet` et permet de construire et d'optimiser des modèles de réseaux de neurones sur des données....

L'action `annTrain` supporte plusieurs architectures spécifiées par le paramètre `arch` : 'MLP' (Perceptron Multicouche) pour des réseaux avec une ou plusieurs couches cachées, 'GLIM' (Modèle Linéaire Généralisé) qui est un perceptron à deux couches sans couche cachée, et 'DIRECT' qui es...

La gestion des valeurs manquantes pour les variables d'entrée et cible est contrôlée par les paramètres `missing` et `targetMissing`. Les options disponibles sont : 'NONE' (exclure les observations avec des valeurs manquantes), 'MEAN' (remplacer par la moyenne), 'MIN' (remplacer par le minimum),...

Les options d'optimisation sont spécifiées dans le paramètre `nloOpts`. L'algorithme peut être défini via le sous-paramètre `algorithm` et inclut les options suivantes : 'LBFGS' (Limited-memory Broyden-Fletcher-Goldfarb-Shanno), 'SGD' (Descente de Gradient Stochastique), 'ADAM', et 'HF' (Hessi...

Oui, le paramètre `saveState` permet de sauvegarder l'état du modèle dans une table CAS. Cela inclut les poids du réseau et d'autres informations nécessaires pour reprendre l'entraînement ou pour effectuer du scoring plus tard avec l'action `annScore`....

Vous pouvez définir la structure du réseau à l'aide du paramètre `hiddens`. C'est une liste de nombres où chaque nombre représente le nombre de neurones dans une couche cachée. Par exemple, `hiddens={10, 5}` spécifie un réseau avec deux couches cachées, la première ayant 10 neurones et la...

L'action `append` est utilisée pour ajouter les lignes d'une table (la table source) à une autre table (la table cible)....

La table cible (`target`) doit obligatoirement être une table déjà chargée en mémoire dans CAS....

Les deux paramètres obligatoires sont `source`, qui spécifie la table à ajouter, et `target`, qui spécifie la table qui recevra les nouvelles lignes....

Oui, en utilisant le sous-paramètre `where` à l'intérieur du paramètre `source`, vous pouvez spécifier une expression pour ne sélectionner qu'un sous-ensemble de lignes de la table source à ajouter....

Lorsqu'il est défini sur Vrai, le paramètre `singlePass` empêche la création d'une table transitoire sur le serveur, ce qui peut améliorer l'efficacité. Cependant, l'ordre des données pourrait ne pas être stable lors d'exécutions répétées....

L'alias pour le paramètre `source` est `data`, et l'alias pour le paramètre `target` est `base`....

L'action `applyCategory` est utilisée pour catégoriser du texte en utilisant un modèle de catégorie (fichier MCO)....

Le paramètre `docType` prend en charge les types de documents 'TEXT' et 'XML'....

Le paramètre `model` est obligatoire et spécifie la table CAS d'entrée qui contient le modèle de catégorisation....

On peut spécifier la table de données d'entrée en utilisant le paramètre `table`....

La table `matchOut` contient une correspondance par ligne, tandis que la table `groupedMatchOut` regroupe les correspondances par catégorie pour chaque document. Elles contiennent les mêmes informations mais dans des formats différents....

Les algorithmes de scoring disponibles sont 'FREQUENCY' (par défaut) et 'WEIGHTED'....

Le paramètre `docId` spécifie le nom d'une variable d'identification unique dans la table d'entrée, qui peut être de type caractère ou numérique, pour référencer chaque ligne....

L'action 'applyConcept' effectue une extraction de concepts à partir de documents textuels en utilisant un modèle d'extraction de concepts prédéfini (un fichier LI)....

Utilisez le paramètre 'model' pour spécifier une table CAS d'entrée contenant le modèle LI défini par l'utilisateur. Si ce paramètre est omis, le modèle de base sera utilisé....

Vous devez utiliser le paramètre 'table' pour spécifier la table CAS contenant les documents, et le paramètre 'text' pour indiquer le nom de la variable qui contient le texte à traiter....

Le paramètre 'casOut' spécifie la table CAS de sortie qui contiendra les résultats des correspondances de concepts trouvées dans les documents....

Oui, le paramètre 'dropConcepts' permet de fournir une liste de concepts à ne pas inclure dans les tables de sortie. Cela est utile pour filtrer les résultats sans modifier le modèle sous-jacent....

Le paramètre 'matchType' détermine le type de correspondance à retourner. Les options sont 'ALL' pour toutes les correspondances (valeur par défaut), 'BEST' pour la meilleure correspondance, et 'LONGEST' pour la plus longue correspondance....

La table 'factOut' contient les informations sur les correspondances de faits, tandis que 'ruleMatchOut' contient les informations sur les correspondances de règles, qui peuvent être utilisées comme entrée pour l'action 'ruleGen'....

Pour améliorer les performances, vous pouvez utiliser le paramètre 'parseTableOut' pour sauvegarder les documents pré-analysés dans une table CAS. Ensuite, dans un appel ultérieur de l'action, utilisez cette table comme entrée via le paramètre 'parseTableIn' pour éviter de ré-analyser le te...

L'action `arima` fournit des fonctionnalités pour l'analyse et la prévision de modèles ARIMA (AutoRegressive Integrated Moving Average) pour les séries chronologiques univariées....

Le paramètre `alignId` spécifie l'alignement de l'ID de temps. Les valeurs possibles sont "BEGIN", "END", ou "MIDDLE". La valeur par défaut est "BEGIN"....

Le paramètre `auxData` spécifie les tables de données de séries chronologiques auxiliaires qui peuvent être utilisées dans le modèle....

Il spécifie l'alignement de l'horodatage de début et de fin. Les options sont "BOTH", "END", "NONE", ou "START". La valeur par défaut est "BOTH"....

Utilisez le paramètre `casOut` (ou son alias `out`) pour nommer la table de données de sortie qui contiendra les prévisions des variables....

Utilisez le paramètre `outEst` pour spécifier une table de sortie. Cette table contiendra les estimations des paramètres du modèle, ainsi que les statistiques de test et les valeurs de probabilité associées....

Oui, le paramètre `outFor` nomme la table de données de sortie pour contenir les composantes de la série chronologique de prévision, telles que les valeurs réelles, prédites, les limites de confiance inférieure et supérieure, l'erreur de prédiction et l'erreur standard de prédiction....

Le paramètre `outStat` nomme la table de données de sortie qui contiendra les statistiques d'ajustement du modèle....

Oui, le paramètre `interval` est obligatoire. Il spécifie l'intervalle de temps (ou la fréquence) de la série chronologique, comme "MONTH" pour des données mensuelles....

Utilisez l'option `diff` dans le sous-paramètre `estimate` de `model`. Par exemple, `estimate={diff={1, 12}}` spécifie une différenciation simple et une différenciation saisonnière d'ordre 12....

Utilisez les options `p` (pour les polynômes autorégressifs) et `q` (pour les polynômes à moyenne mobile) dans le sous-paramètre `estimate`. Vous pouvez spécifier des facteurs simples ou saisonniers. Par exemple, `p={{factor=1}, {factor=12}}`....

La méthode d'estimation par défaut est la méthode des moindres carrés conditionnels ("CLS"). D'autres méthodes disponibles sont les moindres carrés non conditionnels ("ULS") et le maximum de vraisemblance ("ML"), spécifiables via l'option `method`....

Utilisez l'option `transform` dans le sous-paramètre `estimate`. Les transformations possibles incluent "LOG", "SQRT", "LOGIT", "BOXCOX" ou "AUTO". La valeur par défaut est "NONE"....

Utilisez le sous-paramètre `forecast` dans `model`. Vous pouvez y spécifier le nombre de pas de prévision avec l'option `lead` et le niveau de confiance avec `alpha`....

L'action 'assess' est utilisée pour évaluer et comparer les performances de modèles prédictifs....

Le paramètre `table` est obligatoire et doit être utilisé pour spécifier la table d'entrée contenant les données à évaluer....

Le paramètre `response` est obligatoire et sert à spécifier la variable de réponse (ou cible) pour l'évaluation du modèle....

Pour un modèle de classification, vous devez spécifier la variable de réponse avec `response` et la valeur de l'événement d'intérêt avec le paramètre `event`....

Oui, si vous ne spécifiez pas le paramètre `event` et que la variable de réponse est numérique, l'action effectue une évaluation pour un modèle de régression....

Utilisez le paramètre `pVar` pour lister les variables contenant les probabilités d'événement, et le paramètre `pEvent` pour spécifier les événements correspondants à chaque variable de probabilité....

Oui, vous pouvez utiliser les paramètres `fitStatOut` pour générer une table avec les statistiques d'ajustement, et `rocOut` pour une table avec les calculs de la courbe ROC....

Utilisez le paramètre `nBins` pour définir le nombre de catégories pour les calculs de 'lift' (par défaut 20), et `cutStep` pour définir la taille du pas pour les calculs ROC (par défaut 0.01)....

Oui, le paramètre `weight` (ou `weights`) permet de spécifier une variable de pondération pour chaque observation....

Par défaut, les observations avec une valeur cible manquante sont incluses. Pour les exclure, définissez le paramètre `noMissingTarget` sur `True`....

Le paramètre `method` permet de choisir l'algorithme. `ITERATIVE` (par défaut) utilise une méthode itérative pour le calcul des percentiles, qui est généralement plus rapide, tandis que `EXACT` utilise une méthode exacte, plus gourmande en ressources....

Si votre table est partitionnée, utilisez `partition=True` et spécifiez la clé de la partition souhaitée avec le paramètre `partKey`....

L'action `assessBias` du jeu d'actions `fairAITools` est utilisée pour calculer les métriques de biais pour les modèles prédictifs, aidant ainsi à évaluer l'équité d'un modèle....

Utilisez le paramètre `table` pour spécifier la table de données d'entrée. C'est un paramètre obligatoire....

Le paramètre `sensitiveVariable` est obligatoire et sert à spécifier la variable sensible (par exemple, le genre, l'ethnie) pour laquelle le biais doit être calculé....

Le paramètre `response` (alias `target`) est utilisé pour spécifier la variable de réponse du modèle....

Le paramètre `predictedVariables` est obligatoire et spécifie la liste des variables qui contiennent les prédictions du modèle. L'ordre des variables doit correspondre à l'ordre spécifié dans le paramètre `responseLevels`....

Utilisez le paramètre `referenceLevel` (alias `baseLevel`) pour définir la valeur de la variable sensible qui servira de groupe de référence pour les comparaisons de biais....

Le paramètre `event` spécifie la valeur formatée de la variable de réponse qui représente l'événement d'intérêt (par exemple, '1' pour un défaut de paiement)....

Oui, vous pouvez utiliser un modèle stocké. Utilisez le paramètre `modelTable` pour spécifier la table contenant le magasin d'analyse (analytic store) ou le code de scoring DATA step. Le type de modèle est spécifié avec `modelTableType` ('ASTORE' ou 'DATASTEP')....

Oui, le paramètre `scoredTable` permet de spécifier une table de sortie pour contenir les résultats du scoring générés pendant l'évaluation du biais....

L'action `assumeRole` permet d'endosser un rôle administratif spécifique dans SAS Viya, ce qui modifie temporairement les privilèges de l'utilisateur pour la session en cours....

Les rôles disponibles sont `ACTION`, `DATA`, et `SUPERUSER`. Le rôle `SUPERUSER` est celui appliqué par défaut si aucun autre n'est spécifié....

Le rôle `SUPERUSER` combine les privilèges des rôles `ACTION` et `DATA`. Il offre un accès non restreint (exempt de permissions) aux ensembles d'actions, aux actions, aux définitions de caslibs, de tables et de colonnes, ainsi que la capacité de gérer les rôles et les chemins d'accès....

Le rôle `ACTION` fournit un accès non restreint aux ensembles d'actions et aux actions. Le rôle `DATA` fournit un accès non restreint aux caslibs, tables et colonnes, y compris la possibilité d'ajouter des caslibs....

L'action 'attribute' gère les attributs de table étendus....

Les paramètres disponibles sont : attributes (ou attrs), caslib, name, set, table (ou attrTable), task, xml, et xmlPath....

Le paramètre 'name' est requis pour spécifier le nom de la table des attributs étendus....

Le paramètre 'attributes' est une liste de dictionnaires où chaque dictionnaire peut contenir les clés 'column' (nom de colonne), 'key' (nom de la clé, requis), et 'value' (valeur de l'attribut)....

Si vous spécifiez le paramètre 'attributes', vous devez également spécifier le paramètre 'set'....

Le paramètre 'caslib' spécifie la caslib cible pour la table des attributs étendus....

Le paramètre 'set' spécifie le nom de l'ensemble d'attributs étendus....

Il spécifie le nom d'une table d'attributs étendus existante à utiliser avec une tâche ADD, UPDATE ou CONVERT. Pour CONVERT, il nomme la table où stocker les attributs....

Les valeurs possibles pour 'task' sont "ADD", "CONVERT", "DROP", "EXPORT", ou "UPDATE". La valeur par défaut est "ADD"....

Vous pouvez utiliser le paramètre 'xml' pour spécifier les attributs directement sous forme de document XML, ou 'xmlPath' pour spécifier le chemin d'un fichier contenant le document XML....

L'action `augmentImages` a pour but d'augmenter des images en créant des patchs (sous-images) et en leur appliquant diverses mutations. Cela est utile pour générer des données d'entraînement supplémentaires pour les modèles d'apprentissage profond....

La table d'entrée est spécifiée à l'aide du paramètre obligatoire `table`. Ce paramètre indique la table CAS contenant les données d'image que vous souhaitez augmenter....

L'action `augmentImages` prend en charge une variété de mutations, notamment : `horizontalFlip` (retournement horizontal), `verticalFlip` (retournement vertical), `colorJittering` (instabilité de couleur), `colorShifting` (décalage de couleur), `darken` (assombrissement), `lighten` (éclaircisse...

Oui, vous pouvez définir une sous-image (un "patch") en utilisant les paramètres `x`, `y`, `width` (largeur) et `height` (hauteur). Si vous souhaitez appliquer les augmentations sur l'image entière, vous pouvez utiliser le paramètre `useWholeImage` défini sur TRUE. L'option `sweepImage` permet ...

La table de sortie est spécifiée à l'aide du paramètre obligatoire `casOut`. Ce paramètre vous permet de définir le nom de la table de sortie et la caslib où elle sera stockée....

Oui, le paramètre `seed` permet de spécifier une graine pour l'écriture aléatoire des images, ce qui garantit la reproductibilité des résultats. De plus, le paramètre `writeRandomly` contrôle si les images résultantes sont écrites de manière aléatoire dans la table de sortie....

L'action bartGauss ajuste des modèles d'arbres de régression additifs bayésiens (BART) pour des données de réponse qui suivent une distribution normale....

Le paramètre 'nTree' spécifie le nombre d'arbres à inclure dans un échantillon de l'ensemble de somme d'arbres....

Le paramètre 'nBI' (burn-in) définit le nombre d'itérations de rodage à effectuer avant que l'action ne commence à sauvegarder les échantillons pour la prédiction....

Par défaut, l'option est 'SEPARATE', ce qui signifie que les valeurs manquantes pour les prédicteurs continus sont traitées comme un groupe à part, et pour les prédicteurs catégoriels, elles forment un niveau distinct....

Le paramètre 'store' sauvegarde le modèle entraîné dans un objet de table binaire, ce qui permet de l'utiliser ultérieurement pour des tâches de scoring....

L'action `bartProbit` est utilisée pour ajuster des modèles d'arbres de régression additifs bayésiens (BART) avec un lien probit. Elle est spécifiquement conçue pour les données où la variable de réponse est binaire (par exemple, 0 ou 1, succès ou échec)....

Cette action traite des données avec une variable de réponse binaire. Cela signifie que la variable que vous essayez de prédire doit avoir seulement deux issues possibles, comme 'oui'/'non' ou 'vrai'/'faux'....

Le paramètre `nTree` spécifie le nombre d'arbres à inclure dans l'ensemble de modèles. La valeur par défaut est de 200. Augmenter ce nombre peut améliorer la précision du modèle, mais augmentera également le temps de calcul....

L'action `bartProbit` offre plusieurs stratégies pour gérer les valeurs manquantes via le paramètre `missing`. L'option par défaut, `SEPARATE`, traite les valeurs manquantes comme une catégorie distincte. D'autres options incluent `NONE` (exclure les observations), `MACBIG` (traiter comme la pl...

Le paramètre `store` permet de sauvegarder le modèle entraîné dans une table binaire CAS. Cet objet de stockage peut ensuite être utilisé pour effectuer des prédictions (scoring) sur de nouvelles données sans avoir à ré-entraîner le modèle, en utilisant par exemple l'action `bartScore`....

L'action bartScore crée une table sur le serveur qui contient les résultats de la notation (scoring) des observations en utilisant un modèle d'arbres de régression additifs bayésiens (BART) préalablement ajusté....

Les paramètres requis pour l'action bartScore sont `table`, qui spécifie la table de données d'entrée à noter ; `restore`, qui spécifie la table contenant le modèle ajusté ; et `casOut`, qui définit la table de sortie pour les résultats de la notation....

Vous pouvez utiliser le paramètre `pred` pour nommer la variable contenant la valeur prédite et le paramètre `resid` pour nommer la variable contenant le résidu. Par exemple : `pred="ma_prediction"`, `resid="mon_residu"`....

Oui, vous pouvez utiliser les paramètres `lcl` et `ucl` pour nommer les variables qui contiendront respectivement les limites de crédibilité inférieure et supérieure. Le niveau de significativité pour ces intervalles est contrôlé par le paramètre `alpha`, dont la valeur par défaut est 0.05...

Utilisez le paramètre `copyVars` pour spécifier une liste de variables à copier de la table de notation vers la table de sortie. Par exemple : `copyVars={"variable1", "variable2"}`....

L'action `bart.bartScoreMargin` calcule les marges prédictives en utilisant un modèle d'arbres de régression additifs bayésiens (BART) préalablement ajusté....

Vous devez utiliser le paramètre `model`, qui est obligatoire. Ce paramètre spécifie l'objet de table binaire contenant le modèle ajusté lors d'un appel précédent à une action d'entraînement BART....

Le paramètre obligatoire `margins` (ou son alias `scenarios`) est utilisé pour spécifier une ou plusieurs marges prédictives. Chaque marge est un scénario défini par un nom et un ensemble de valeurs fixes pour certaines variables, spécifiées via le sous-paramètre `at`....

Pour calculer la différence entre deux marges, utilisez le paramètre `differences` (alias `diffs`). Dans ce paramètre, vous devez spécifier la marge d'événement (`evtMargin`) et la marge de référence (`refMargin`) en utilisant les noms que vous leur avez attribués dans le paramètre `margin...

Le paramètre `alpha` spécifie le niveau de significativité pour la construction des limites de crédibilité à queues égales pour les estimations. Sa valeur par défaut est 0.05....

Utilisez le paramètre `casOut` pour spécifier les détails de la table de sortie, tels que son nom (`name`) et la bibliothèque CAS (`caslib`) où elle doit être sauvegardée....

L'action bart.bartScoreMargin calcule les marges prédictives en utilisant un modèle d'arbres de régression additifs bayésiens (BART) préalablement ajusté....

Pour spécifier le modèle, vous devez utiliser le paramètre obligatoire `model`, qui indique la table binaire contenant le modèle ajusté lors d'un précédent entraînement....

Le paramètre `margins` est obligatoire et sert à définir une ou plusieurs marges prédictives. Chaque marge est un scénario où des variables spécifiques sont fixées à des valeurs données à l'aide du sous-paramètre `at`. Chaque marge doit recevoir un nom unique via le sous-paramètre `name...

Oui, le paramètre `differences` permet de calculer la différence entre deux marges prédictives. Vous devez spécifier la marge de l'événement (`evtMargin`) et la marge de référence (`refMargin`) en utilisant les noms que vous leur avez attribués dans le paramètre `margins`....

Le paramètre `alpha` définit le niveau de significativité pour la construction des limites de crédibilité équi-caudales (equal-tail credible limits). Sa valeur par défaut est 0.05....

Pour obtenir une table qui résume les variables et leurs valeurs pour chaque marge prédictive, vous devez définir le paramètre `marginInfo` sur TRUE....

L'action `bartScoreMargin` calcule les marges prédictives en utilisant un modèle d'arbres de régression additifs bayésiens (BART) préalablement ajusté. Cela permet d'évaluer comment les prédictions du modèle changent en fonction de scénarios spécifiques définis par l'utilisateur....

Pour utiliser cette action, vous devez spécifier deux paramètres principaux : `table`, qui est la table de données d'entrée, et `model`, qui est la table binaire contenant le modèle BART ajusté que vous souhaitez utiliser....

Vous définissez des scénarios à l'aide du paramètre `margins`. Chaque scénario est une liste où vous pouvez utiliser le sous-paramètre `at` pour fixer les valeurs de variables spécifiques. Par exemple, vous pouvez fixer une variable continue à une certaine moyenne ou une variable de classif...

Oui, le paramètre `differences` permet de calculer la différence entre deux marges prédictives que vous avez préalablement définies dans le paramètre `margins`. Vous devez spécifier une marge de référence (`refMargin`) et une marge d'événement (`evtMargin`) pour que l'action calcule la di...

Le paramètre `alpha` spécifie le niveau de significativité pour la construction des limites de crédibilité pour les marges calculées. La valeur par défaut est 0.05, ce qui correspond à des intervalles de crédibilité de 95%....

L'action `batchresults` permet de basculer une action en cours d'exécution vers un mode de résultats par lots (batch)....

Le paramètre requis est `uuid`, qui spécifie l'identifiant unique universel (UUID) de la session dont l'action doit être basculée en mode batch....

La syntaxe en CASL est `session.batchresults / uuid="string";` où `"string"` est l'UUID de la session cible....

L'action `biconnectedComponents` est utilisée pour calculer les composantes biconnexes et les points d'articulation d'un graphe....

Un point d'articulation, ou sommet de coupe, est un nœud dont la suppression d'un graphe augmenterait le nombre de ses composantes connexes. C'est un point critique pour la connectivité du graphe....

Une composante biconnexe, ou bloc, est un sous-graphe connexe maximal qui ne peut pas être déconnecté par la suppression d'un seul nœud. Autrement dit, un sous-graphe biconnexe ne contient aucun point d'articulation....

Les tables de sortie principales incluent `out` pour le résumé des composantes, `outLinks` pour les liens du graphe, `outNodes` pour les nœuds du graphe, ainsi que `outBCTreeLinks` et `outBCTreeNodes` pour décrire l'arbre bloc-coupe résultant....

Le paramètre `direction` spécifie si le graphe d'entrée doit être traité comme `DIRECTED` (orienté) ou `UNDIRECTED` (non orienté). La valeur par défaut est `UNDIRECTED`....

L'action retourne `numArticulationPoints`, qui est le nombre de points d'articulation trouvés, et `numComponents`, qui est le nombre de composantes biconnexes identifiées dans le graphe....

L'action `biconnectedComponents` calcule les composantes biconnexes et les points d'articulation d'un graphe....

Un point d'articulation est un nœud dont la suppression du graphe augmenterait le nombre de composantes connexes. C'est un point critique pour la connectivité du graphe....

Une composante biconnexe, ou bloc, est un sous-graphe connexe maximal qui n'a pas de points d'articulation. Cela signifie qu'il restera connexe même si un seul nœud est supprimé....

Les principales tables de sortie sont `out` (résumé des composantes biconnexes), `outLinks` (informations sur les liens avec leur appartenance aux composantes), et `outNodes` (informations sur les nœuds, indiquant s'ils sont des points d'articulation)....

Non, l'analyse des composantes biconnexes et des points d'articulation s'applique uniquement aux graphes non orientés (undirected). Le paramètre `direction` doit être défini sur `UNDIRECTED`, ce qui est sa valeur par défaut....

L'action `binning` réalise une discrétisation non supervisée des variables, ce qui signifie qu'elle regroupe les valeurs des variables continues en un nombre plus petit d'intervalles (bins)....

L'action `binning` propose trois méthodes : 'BUCKET' pour créer des intervalles de largeur égale, 'QUANTILE' pour des intervalles de fréquence égale (quantiles), et 'CUTPTS' pour définir des intervalles basés sur des points de coupe spécifiés par l'utilisateur....

Le paramètre `binMissing`, lorsqu'il est activé (True), regroupe toutes les valeurs manquantes dans un intervalle distinct qui reçoit l'identifiant 0....

Utilisez le paramètre `nBinsArray`. Vous pouvez fournir une liste de nombres d'intervalles, un pour chaque variable, ou une seule valeur qui s'appliquera à toutes les variables. Par défaut, 5 intervalles sont créés....

Le paramètre `casOut` permet de spécifier les informations d'une table de sortie CAS. Cette table contiendra les variables d'origine ainsi que les nouvelles variables discrétisées....

Oui, le paramètre `code` permet de générer du code SAS DATA step. Ce code peut être sauvegardé et réutilisé pour appliquer la même transformation de binning sur de nouveaux jeux de données....

L'action `bnet` du jeu d'actions `bayesianNetClassifier` utilise des modèles de réseau bayésien pour classifier une variable cible. Elle permet d'entraîner un modèle en apprenant la structure du réseau à partir des données....

L'action `bnet` peut apprendre plusieurs types de structures, spécifiables via le paramètre `structures`. Les options sont : `NAIVE` (naïf bayésien), `TAN` (arbre augmenté naïf bayésien), `PC` (parent-enfant), `MB` (couverture de Markov), et `GENERAL` (réseau bayésien général)....

Le paramètre `missingNom` contrôle la gestion des valeurs manquantes pour les variables nominales. Les options sont : `IGNORE` pour ignorer les observations avec des valeurs manquantes, `IMPUTE` pour les remplacer par le mode de la variable, et `LEVEL` pour les traiter comme un niveau distinct de ...

Le paramètre `parenting` spécifie la méthode d'apprentissage de la structure. `BESTONE` utilise une approche gloutonne en ajoutant le meilleur candidat comme parent à chaque itération. `BESTSET` évalue plusieurs ensembles de variables et choisit le meilleur ensemble comme parents pour chaque n...

Pour sauvegarder le modèle, il faut utiliser le paramètre `saveState`. Ce paramètre spécifie une table CAS de sortie où le modèle sera stocké, permettant ainsi son utilisation ultérieure pour le scoring de nouvelles données....

L'action `bnet` du jeu d'actions `bayesianNetClassifier` utilise des modèles de réseau bayésien pour classifier une variable cible. Elle permet d'entraîner un modèle en apprenant la structure du réseau à partir des données....

L'action `bnet` peut apprendre plusieurs types de structures de réseau via le paramètre `structures` : `NAIVE` (naïf), `TAN` (arbre augmenté naïf), `PC` (parent-enfant), `MB` (couverture de Markov), et `GENERAL` ou `GN` (réseau bayésien général)....

La gestion des valeurs manquantes est contrôlée par les paramètres `missingInt` pour les variables d'intervalle et `missingNom` pour les variables nominales. Pour les variables d'intervalle, les options sont d'ignorer l'observation (`IGNORE`) ou de remplacer par la moyenne (`IMPUTE`). Pour les va...

Le paramètre `parenting` spécifie la méthode d'apprentissage de la structure. `BESTONE` utilise une approche gloutonne qui ajoute le meilleur candidat comme parent à chaque itération. `BESTSET` évalue plusieurs ensembles de variables candidates et choisit le meilleur ensemble comme parents pou...

Pour sauvegarder le modèle entraîné pour un scoring futur, vous devez utiliser le paramètre `saveState`. Ce paramètre spécifie une table CAS de sortie où l'état du modèle sera enregistré. Vous devez au minimum fournir un nom pour cette table....

L'action `boxChart` de l'ensemble d'actions 'Statistical Process Control' (Contrôle Statistique des Processus) est utilisée pour produire des diagrammes en boîte (box charts). Ces diagrammes sont un outil d'analyse pour le contrôle qualité des processus....

L'action `boxChart` peut calculer les limites de contrôle basées sur les moyennes de sous-groupes (paramètre `controlStat`='MEAN') ou sur les médianes de sous-groupes (paramètre `controlStat`='MEDIAN'). La méthode par défaut est 'MEAN'....

L'action `boxChart` peut effectuer jusqu'à huit tests standards pour détecter des causes spéciales (patterns non aléatoires). Ces tests, activés via le paramètre `primaryTests`, incluent la détection de points hors limites, de séries de points d'un même côté de la ligne centrale, de tenda...

Oui, vous pouvez spécifier une table de données CAS contenant les paramètres des limites de contrôle à l'aide du paramètre `limitsTable`. Si cette table est fournie, l'action `boxChart` utilise ces limites pour créer le diagramme au lieu de les calculer à partir des données du processus....

L'action `boxPlot` est utilisée pour calculer les quantiles, les moustaches supérieures et inférieures, ainsi que les valeurs aberrantes (outliers) pour une analyse statistique de type boîte à moustaches....

Les paramètres essentiels sont `table`, qui spécifie la table de données d'entrée à analyser, et `inputs`, qui définit la ou les variables numériques sur lesquelles les calculs seront effectués....

Pour activer la détection des valeurs aberrantes, définissez le paramètre `outliers` sur `TRUE`. Vous pouvez également utiliser `nOutBins` pour spécifier le nombre de catégories pour le rapport des outliers, et `nOutLimit` pour limiter le nombre maximum de valeurs aberrantes individuelles reto...

Oui, l'analyse par groupe est possible en utilisant le paramètre `groupBy` pour spécifier les variables de regroupement. Le paramètre `groupByMode` permet de contrôler la méthode de groupement, et `includeMissingGroup` peut être utilisé pour inclure les valeurs manquantes comme un niveau de g...

Le paramètre `pctlDef` spécifie l'une des cinq définitions mathématiques pour le calcul des statistiques de quantiles (percentiles), comme décrit dans la documentation de la procédure UNIVARIATE. La valeur par défaut est 6, qui correspond à un processus itératif....

L'action `brTrain` est utilisée pour extraire des règles booléennes à partir d'un texte....

Les paramètres requis pour l'action `brTrain` sont `docId` (spécifie la variable contenant l'ID du document), `table` (spécifie la table de données d'entrée pour l'extraction des règles), et `termId` (spécifie la variable contenant l'ID du terme)....

Le paramètre `docInfo` spécifie les informations concernant la table de documents, y compris les événements, l'ID du document, la table elle-même, les cibles et le type de cible (BINARY, MULTICLASS, ou MULTILABEL)....

Le paramètre `termInfo` spécifie les informations concernant la table des termes, y compris l'ID du terme, l'étiquette (le texte du terme) et la table contenant ces informations....

L'action `brTrain` peut générer trois tables de sortie via le paramètre `casOuts` : `candidateTerms` (termes sélectionnés pour la création de règles), `rules` (règles générées pour chaque catégorie), et `ruleTerms` (termes contenus dans chaque règle générée)....

Le paramètre `gPositive` spécifie le score g minimum requis pour qu'un terme positif soit pris en compte pour l'extraction de règles. La valeur par défaut est 8....

Le paramètre `gNegative` spécifie le score g minimum requis pour qu'un terme négatif soit pris en compte pour l'extraction de règles. La valeur par défaut est 8....

Le paramètre `maxCandidates` spécifie le nombre de termes candidats à sélectionner pour chaque catégorie. La valeur par défaut est 500....

`maxTriesIn` spécifie la valeur k-in pour la recherche k-best dans le processus d'ensemble de termes pour créer des règles. `maxTriesOut` spécifie la valeur k-out pour la recherche k-best dans le processus d'ensemble de règles pour créer un jeu de règles....

Le paramètre `minSupports` spécifie le nombre minimum de documents dans lesquels un terme doit apparaître pour être utilisé dans la création d'une règle. La valeur par défaut est 3....

Elle construit une table d'index pour l'auto-complétion (saisie semi-automatique) afin d'optimiser les requêtes....

Les paramètres obligatoires sont `index`, qui spécifie la table d'index d'entrée, et `casOut`, qui définit la table de sortie....

Le paramètre `index` spécifie la table d'index d'entrée qui contient les termes utilisés pour alimenter l'action `buildAutoComplete`....

Il faut utiliser le paramètre `casOut` pour définir la table CAS de sortie qui stockera la liste de termes pour l'auto-complétion....

L'action `buildModel` est utilisée pour créer un modèle de Deep Learning vide....

Vous pouvez créer un modèle de type 'DNN' (Deep Neural Network), 'CNN' (Convolutional Neural Network), ou 'RNN' (Recurrent Neural Network)....

Le paramètre `modelTable` est obligatoire et spécifie la table en mémoire où le modèle sera stocké....

Si le paramètre `type` n'est pas spécifié, le type de modèle par défaut est 'DNN'....

Elle sert à construire des surfaces à partir d'images biomédicales en 3D....

Les paramètres obligatoires sont 'images' pour la table d'images d'entrée, 'outputFaces' pour la table de sortie contenant les faces de la surface, et 'outputVertices' pour la table de sortie contenant les sommets de la surface....

On peut utiliser soit le paramètre 'intensities' pour spécifier une liste de valeurs d'intensité exactes, soit le paramètre 'thresholds' pour définir une ou plusieurs plages avec des seuils 'low' (bas) et 'high' (haut)....

Oui, en utilisant le paramètre 'smoothing'. Il accepte deux sous-paramètres : 'iterations' pour le nombre maximal d'itérations de lissage et 'relaxationFactor' pour contrôler le degré de lissage à chaque itération....

La table 'outputVertices' contient les coordonnées (x, y, z) de chaque sommet qui compose la surface. La table 'outputFaces' définit comment ces sommets sont connectés pour former les faces (généralement des triangles) de la surface....

L'action `buildTermIndex` est utilisée pour créer une table d'index de termes pour les termes significatifs....

Les paramètres obligatoires sont `table`, qui spécifie la table d'index d'entrée, et `casOut`, qui spécifie la table de sortie pour stocker la liste de termes....

Le paramètre `language` spécifie la langue à utiliser pour le tokeniseur du champ d'index. Si non spécifié, la valeur par défaut est 'UNIVERSAL'....

Le paramètre `tokenize` est un booléen qui spécifie si le champ d'index doit être tokenisé. Sa valeur par défaut est FALSE....

En utilisant le paramètre optionnel `fields`, qui permet de fournir une liste de noms de champs spécifiques où la fréquence des termes doit être comptée....

Elle fournit des méthodes agnostiques au modèle pour estimer les moyennes des résultats potentiels (potential outcome means) et les effets causals des traitements catégoriels....

Le paramètre 'method' permet de choisir la méthode d'estimation. Les options sont 'IPW' (pondération par probabilité inverse), 'REGADJ' (ajustement par régression), 'AIPW' (pondération par probabilité inverse augmentée), et 'TMLE' (estimation par maximum de vraisemblance ciblée)....

Le paramètre 'treatVar' est obligatoire pour spécifier la variable de traitement. Le paramètre 'outcomeVar' est également nécessaire pour définir la variable de résultat et son type ('CONTINUOUS', 'CATEGORICAL', 'BINOMIAL')....

Le paramètre 'pom' est obligatoire. Il faut y spécifier une liste où chaque élément définit un résultat potentiel avec le niveau de traitement correspondant via le sous-paramètre 'trtLev'....

Il faut définir le paramètre 'inference' sur TRUE. Par défaut, ce paramètre est à FALSE et aucune inférence statistique n'est calculée....

Pour la méthode 'AIPW', les paramètres 'pom' (avec 'trtProb') et 'outcomeModel' (avec 'restore' et 'predName') sont requis. Pour 'REGADJ', seul 'outcomeModel' est nécessaire. Pour 'IPW', seul 'pom' est requis....

On utilise le paramètre 'difference'. Il permet de spécifier une ou plusieurs comparaisons en définissant un niveau de référence ('refLev') et un ou plusieurs niveaux d'événement ('evtLev')....

Elle calcule les taux d'erreur des caractères, des mots et des phrases en comparant les transcriptions d'hypothèse et de référence....

Les deux tables d'entrée obligatoires sont la table `reference`, qui contient les transcriptions de référence, et la table `table` (alias `hypothesis`), qui contient les transcriptions d'hypothèse....

Utilisez le paramètre `referenceText` pour indiquer le nom de la colonne dans la table de référence qui contient les séquences de mots réelles....

Utilisez le paramètre `tableText` (ou son alias `hypothesisText`) pour indiquer le nom de la colonne dans la table d'hypothèse qui contient les séquences de mots à évaluer....

Oui, vous pouvez utiliser les paramètres `referenceId` et `tableId` (alias `hypothesisId`) pour spécifier les noms des colonnes contenant les identifiants dans les tables de référence et d'hypothèse, respectivement....

Oui, le paramètre `where` peut être utilisé dans la définition des tables `reference` et `table` pour spécifier une expression de filtrage et ne traiter qu'un sous-ensemble des données....

Elle affiche les informations concernant les bibliothèques CAS (caslibs)....

En utilisant le paramètre `caslib` et en spécifiant le nom de la caslib souhaitée....

Oui, en définissant le paramètre `active` sur TRUE....

Il faut définir le paramètre `showHidden` sur TRUE....

Oui, le paramètre `srcType` permet de filtrer par type de source comme 'PATH', 'DNFS', 'S3', etc. Ce filtre est ignoré si le paramètre `caslib` est utilisé....

Lorsqu'il est défini sur TRUE, il fournit des informations plus détaillées dans les résultats....

Elle sert à regrouper et à encoder des variables catégorielles en utilisant des techniques de regroupement non supervisées et supervisées....

Les méthodes disponibles sont `DTREE` (arbre de décision), `GROUPRARE` (regroupement des niveaux rares), `ONEHOT` (encodage one-hot), `RTREE` (arbre de régression), et `WOE` (Weight of Evidence)....

En utilisant l'option `preprocessRare=TRUE`. Le seuil de rareté peut être défini par une fréquence absolue avec `rareThreshold` ou en pourcentage avec `rareThresholdPercent`....

Pour les techniques supervisées, il est nécessaire de spécifier au moins une variable cible à l'aide du paramètre `targets`....

L'action peut générer une table de données transformées (`casOut`), une table de détails sur les classes créées (`casOutBinDetails`), une table de mappage des niveaux (`casOutLevelBinMap`), et du code de scoring SAS DATA step (`code`)....

L'action cChart produit des cartes de contrôle de type 'c' (c-charts), qui sont utilisées pour analyser le nombre de non-conformités par unité d'inspection dans des sous-groupes de taille égale....

Le paramètre `table` est requis pour spécifier la table de données d'entrée. Vous devez également spécifier la variable de processus (le nombre de défauts) via `processValue` et la variable de sous-groupe avec `subgroupValue`....

Oui, vous pouvez fournir une table de données CAS contenant des limites de contrôle prédéfinies en utilisant le paramètre `limitsTable`....

Utilisez le paramètre `primaryTests` pour demander des tests de causes spéciales. C'est un dictionnaire où vous pouvez activer jusqu'à 8 tests, par exemple : `primaryTests={test1=True, test2=True}`....

Par défaut, l'action n'utilise que les sous-groupes dont la taille correspond à la taille nominale (`limitN`). Pour inclure tous les sous-groupes, définissez le paramètre `allN` sur True....

Vous pouvez sauvegarder les limites de contrôle dans une table de sortie CAS en spécifiant le paramètre `outLimitsTable`....