Scripting partagé

Le scripting partagé vous offre la possibilité d'écrire du code et de le partager avec les autres utilisateurs de la Modélisation de données sur la plate-forme, sans qu'ils aient besoin de connaître les détails de l'écriture du script ni ce qu'il contient.

Pour voir comment utiliser un script partagé dans Modèle avec la fonction Sélectionner un script, voir Moteurs de scripting.

Créer un script partagé

L'auteur commence par choisir le langage de scripting puis écrit le script adapté dans la console. Si le script a été développé ailleurs, il peut être déposé ou collé sous forme de texte brut dans le navigateur.

L'auteur "lie" ensuite le script afin de faciliter le processus de partage. La liaison simplifie la phase de déploiement du script et sert également à guider l'utilisateur sur la manière de canaliser les données arrivant dans le script et comment prendre les résultats rendus par le script et les canaliser à nouveau dans le flux et le modèle de données.

• Entrée – Étant donnée une table sélectionnée/jointe/manipulée dans Pyramid, chaque colonne nécessaire pour le scripting devrait être ajoutée et liée à un nom unique dans le langage de scripting et en accord avec les règles de ce dernier.
• Sortie – La sortie du script devrait être une colonne avec un nombre de lignes identique à celui de la table d'entrée. Le type de colonne (Nombre en virgule flottante, Chaîne de caractères ou Nombre entier) est également requis.
• Sortie de tableau – Le scripting peut également produire un nouveau tableau en sortie.

Ajout de librairies

Certains des langages de scripting en logiciel libre, notamment R et Python, peuvent charger différents packages pour résoudre des problèmes d'apprentissage auto. Le champ Package permet aux auteurs de désigner les packages requis par le script - que Pyramid peut ainsi télécharger et charger (au besoin).

Exemple de scripting partagé en R

Régression logistique

L'exemple est basé sur le tableau des profils client de la démonstration du tableur. Cet exemple prédit le genre d'un client en fonction de ses revenus et de ses enfants.

Ajoutez 3 colonnes d'entrée :

Gender (genre), Income (revenus), et Children (enfants).

Ajoutez le script :

customerProfile=data.frame(Gender,Income,Children)

lm=glm(customerProfile$Gender~customerProfile$Income+customerProfile$Children,family = binomial,data = customerProfile)

prediction=predict(lm, type = 'response')

resultProbability=as.data.frame(prediction)

resultProbability[,2]="femme"

resultProbability[resultProbability[,1]<0.5,2]="homme"

LRR =resultProbability[,2]

Ajoutez la colonne de sortie :

Cadre de données : DataFrame1

Colonne : LRR

Type : Texte

Résultats

Lors du déploiement, une nouvelle colonne nommée LRR avec des valeurs homme/femme sera ajoutée au modèle.