J’ai besoin d’utiliser les réseaux de neurones sous SEM.
Tout d’abord peut-t-on utiliser une variable « target » avec plusieurs modalités?
Je n’ai pas de problèmes pour les lancer mais je ne sais pas trop comment les interpréter, à part le « misclassification rate »… Dans l’ « output validation data », il n’y a pas de variables permettant de savoir où les individus ont été classés…
Pas de contre-indication à modéliser une variable continue avec les RN de SAS, l’inconvénient étant la difficulté d’évaluer la qualité du modèle. Et en plus, son opacité est grande (mais c’est toujours le cas avec les RN !). Il n’y a pas grand-chose à tirer des sorties proposées par SAS, et globalement pas grand-chose à y faire.
Pour voir les valeurs proposées par SEM, il faut enchaîner un nœud Assessment où on ne fait rien de spécial sinon accepter ce modèle, et un noeud Score qui score la table de départ. Alors on pourra voir les prédictions, et même plus (graphique, procédures statistiques,…) :
elles se trouvent dans une table &_SCORE, sous le nom de P_nomDeLaVariableAPrédire. Si tu as une autre variable continue, je propose par exemple ce programme :
symbol1 i=join l=1 ; symbol2 i=join l=2 ; proc gplot data = &_score ; plot (y p_y) * x / overlay ; run ; quit ;
Il n’y a qu’à remplacer les x et les y par les noms de variables Input et Target réciproquement. On peut faire ça dans un noeud SAS Code pour l’intégrer au diagramme (il faut l’enchaîner après le nœud Score) ou directement dans le program editor après exécution du noeud Score.