Comando PREDICT
Informações do conceito
Aplica um modelo preditivo a um conjunto de dados sem rótulo para prever classes ou valores numéricos associados a registros individuais.
Nota
O comando PREDICT não é permitido se você executa o Analytics em um computador de 32 bits. A computação necessária para o comando faz uso intenso dos processadores e é mais adequada para computadores de 64 bits.
Sintaxe
PREDICT MODEL nome_modelo TO nome_tabela <IF teste> <WHILE teste> <FIRST intervalo|NEXT intervalo>
Parâmetros
Nome | Descrição |
---|---|
MODEL nome_modelo |
O nome do arquivo de modelo a ser usado para prever classes ou valores. Você usa um arquivo de modelo gerado previamente pelo comando TRAIN. Você deve especificar a extensão de arquivo *.model. Por exemplo: MODEL "Previsão_inadimplência_empréstimo.model" Nota O arquivo de modelo deve ter sido treinado em um conjunto de dados com os mesmos arquivos que o conjunto de dados não rotulado, ou substancialmente os mesmos arquivos. Não é possível usar um arquivo de modelo treinado na versão 14.1 do Analytics. Os arquivos do modelo da versão 14.1 não são compatíveis com as versões subsequentes do Analytics. Treine um novo modelo preditivo para uso com o comando PREDICT. |
TO nome_tabela |
O nome da tabela do Analytics gerado pelo processo de previsão. A tabela contém os campos-chave especificados durante o processo de treinamento e um ou dois campos gerados pelo processo de previsão:
Especifique nome_tabela como uma cadeia entre aspas com uma extensão de arquivo .FIL. Por exemplo: TO "Inadimplência_prevista_solicitantes_empréstimo.FIL" Por padrão, o arquivo de dados da tabela (.FIL) é salvo na pasta que contém o projeto do Analytics. Use um caminho de arquivo absoluto ou relativo para salvar o arquivo de dados em uma pasta diferente já existente:
Nota Os nomes de tabela são limitados a 64 caracteres alfanuméricos, sem contar a extensão .FIL. O nome pode incluir o caractere de sublinhado ( _ ) mas nenhum outro caractere especial e nenhum espaço. O nome não pode começar com um número. |
IF teste opcional |
Uma expressão condicional que deve ser verdadeira para processar cada registro. O comando é executado apenas nos registros que atendem à condição. Nota O parâmetro IF é avaliado apenas em relação aos registros restantes em uma tabela depois da aplicação dos parâmetros de escopo (WHILE, FIRST, NEXT). |
WHILE teste opcional |
Uma expressão condicional que deve ser verdadeira para processar cada registro. O comando é executado até que a condição seja avaliada como falsa ou o fim da tabela seja alcançado. Nota Se você usar WHILE juntamente com FIRST ou NEXT, o processamento de registros será interrompido assim que um limite for alcançado. |
FIRST intervalo | NEXT intervalo opcional |
O número de registros a ser processado:
Use intervalo para especificar o número de registros a serem processados. Se você omitir FIRST e NEXT, todos os registros serão processados por padrão. |
Exemplos
Use um modelo de classificação para fazer previsões
Você informa um modelo de classificação para o comando PREDICT para fazer previsões sobre quais solicitantes de empréstimo atuais ficarão inadimplentes se receberem um empréstimo.
Previamente, você gerou o modelo de classificação usando o comando TRAIN com um conjunto de dados de empréstimo históricos, incluindo informações sobre inadimplência de empréstimos.
OPEN "Solicitantes_empréstimos_atuais"
PREDICT MODEL "Previsão_inadimplência_empréstimo.model" TO "Inadimplência_prevista_solicitantes_empréstimo.FIL"
Use um modelo de regressão para fazer previsões
Você informa um modelo de regressão para o comando PREDICT para fazer previsões sobre o preço futuro de venda de residências.
Previamente, você gerou o modelo de regressão usando o comando TRAIN com um conjunto de dados de vendas recentes de residências, incluindo o preço da venda.
OPEN "Avaliação_preços_residências"
PREDICT MODEL "Previsão_preços_residências.model" TO "Preços_residências_previstos.FIL"
Observações
Para obter mais informações sobre o funcionamento desse comando, consulte Previsão de classes e valores numéricos.