ヘッダーをスキップ
Oracle Data Mining概要
11g リリース1(11.1)
E05704-02
  目次へ
目次

戻る
戻る
 
 

索引

数字 A  B  C  D  E  F  G  J  K  L  M  N  O  P  R  S  U  V  X  Y 


数字

1クラスSVM, [1], [2], [3]
2項ターゲット, [1]
2乗平均平方根誤差, [1]

A

ALTER_REVERSE_EXPRESSION, [1]
API
「アプリケーション・プログラム・インタフェース」を参照
Apriori, [1], [2]
ASSO_MAX_RULE_LENGTH, [1]
ASSO_MIN_CONFIDENCE, [1]
ASSO_MIN_SUPPORT, [1]

B

Bayesの定理, [1], [2]
BLASライブラリ, [1]

C

CLAS_COST_TABLE_NAME, [1]
CLAS_PRIORS_TABLE_NAME, [1]
CLAS_WEIGHTS_TABLE_NAME, [1]
CLUS_NUM_CLUSTERS, [1]
CREATE_MODEL, [1]

D

DBMS_DATA_MINING, [1]
DBMS_DATA_MINING_TRANSFORM, [1], [2]
DBMS_FREQUENT_ITEMSET, [1]
DBMS_PREDICTIVE_ANALYTICS, [1], [2]
DBMS_STAT_FUNCS, [1]
DMSYSスキーマ
「非推奨機能」を参照

E

entropy, [1]
Excel, [1]
EXPLAIN, [1], [2], [3]
属性評価, [1]

F

FEAT_NUM_FEATURES, [1]

G

GET_MODEL_DETAILS, [1]
GET_MODEL_TRANSFORMATIONS, [1]
gini, [1]

J

Java API, [1], [2]

K

k-Means, [1], [2], [3], [4], [5], [6]
KDD, [1]

L

LAPACKライブラリ, [1]

M

MDL
「最小記述長」を参照

N

Naive Bayes, [1], [2], [3], [4]
事前確率, [1]
NMF
「Non-Negative Matrix Factorization」を参照
Non-Negative Matrix Factorization, [1], [2], [3]
データ準備, [1]

O

O-Cluster, [1], [2], [3]
OLAP, [1], [2], [3]
Oracle Databaseのカーネル, [1]
Oracle Databaseの統計関数, [1]
Oracle Databaseの分析, [1]
Oracle Data Miner, [1], [2], [3], [4], [5], [6], [7], [8]
Oracle Data Miningのディスカッション・フォーラム, [1]
Oracle Discoverer, [1]
Oracle Intermedia, [1]
Oracle OLAP, [1]
Oracle Portal, [1]
Oracle Spatial, [1]
Oracle Spreadsheet Add-In for Predictive Analytics, [1], [2]
Oracle Text, [1], [2], [3]

P

PL/SQL API, [1]
PREDICT, [1], [2]
PREDICTION_PROBABILITY, [1], [2]
PROFILE, [1], [2]

R

ROC
「受信者操作特性」を参照

S

Spreadsheet Add-In
「Oracle Spreadsheet Add-In for Predictive Analytics」を参照
Spreadsheet Add-In for Predictive Analytics, [1]
SQLデータ・マイニング関数, [1], [2]
SVM
クラスの重み, [1]
「サポート・ベクター・マシン」を参照

U

UTL_NLA, [1]

V

Vapnikの理論, [1]

X

XML
PROFILE, [1]
ディシジョン・ツリー, [1], [2]

Y

y切片, [1]

アプリケーション・プログラム・インタフェース, [1]
アルゴリズム
1クラス・サポート・ベクター・マシン, [1], [2], [3]
Apriori, [1], [2], [3]
k-Means, [1], [2], [3]
Naive Bayes, [1], [2], [3]
Non-Negative Matrix Factorization, [1], [2], [3], [4]
O-Cluster, [1], [2], [3], [4]
一般化線形モデル, [1], [2], [3], [4]
監視あり, [1], [2]
監視なし, [1]
最小記述長, [1], [2], [3]
サポート・ベクター・マシン, [1], [2], [3], [4]
ディシジョン・ツリー, [1], [2], [3]
異常検出, [1], [2], [3], [4], [5], [6]
データ例, [1]
問題例, [1]
一般化線形モデル, [1], [2], [3], [4]
オーバー・フィット, [1]

回帰, [1], [2], [3]
作成データ例, [1]
定義, [1]
テスト, [1], [2]
トレーニング, [1], [2]
問題例, [1]
回帰係数, [1], [2]
回帰パラメータ, [1]
階層, [1]
クラスタ, [1]
階層クラスタリング, [1]
確率しきい値, [1], [2], [3]
傾き, [1]
カーネル, [1]
監視ありアルゴリズム, [1]
監視あり学習, [1]
監視なしアルゴリズム, [1]
監視なし学習, [1]
機械学習, [1]
記述モデル, [1]
帰納的推論, [1]
逆変換, [1]
キューブ, [1]
曲線下の面積, [1]
距離ベースのクラスタリング・モデル, [1]
組込みのデータ準備, [1], [2]
クラスタ
ルール, [1]
クラスタの詳細, [1]
クラスタリング, [1], [2], [3], [4], [5]
階層, [1]
スコアリング, [1], [2]
テキスト・マイニング, [1]
データ例, [1]
問題例, [1]
クラスの重み, [1]
グリッドベースのクラスタリング・モデル, [1]
計算論的学習, [1]
ケース表, [1], [2], [3]
欠損値の処理, [1], [2]
後件, [1]
高頻度項目セット, [1]
項目セット, [1]
コスト, [1], [2], [3]
ディシジョン・ツリー, [1]
コスト・マトリックス, [1], [2]
コスト/利益マトリックス, [1]
混同マトリックス, [1], [2]

最小記述長, [1], [2], [3], [4], [5]
サポート・ベクター・マシン, [1], [2], [3], [4]
1クラス, [1]
回帰, [1], [2]
ガウス・カーネル, [1]
線形カーネル, [1]
テキスト・マイニング, [1]
能動学習, [1]
分類, [1], [2]
残差, [1]
残差プロット, [1]
指示あり学習, [1]
支持度, [1], [2], [3]
定義, [1]
事前確率, [1], [2]
質的, [1]
自動データ準備, [1], [2], [3], [4], [5]
重回帰, [1]
重心, [1], [2]
受信者操作特性, [1], [2]
統計, [1]
人工知能, [1]
真のネガティブ数, [1]
真のポジティブ, [1], [2]
真のポジティブ数, [1]
真のポジティブの割合, [1]
信頼限界, [1]
信頼度, [1], [2], [3]
定義, [1]
スコアリング, [1], [2], [3], [4]
定義, [1]
リアルタイム, [1]
スター・スキーマ, [1]
スパース・データ, [1], [2], [3], [4]
スーパーモデル, [1], [2]
正規化, [1]
正則化, [1]
精度, [1], [2], [3]
セグメント, [1]
線形回帰, [1], [2], [3], [4]
前件, [1]
相関ルール, [1], [2], [3], [4]
支持度, [1], [2]
信頼度, [1], [2]
前件と後件, [1]
テキスト・マイニング, [1]
データ, [1]
問題例, [1]
リフト, [1]
層別サンプリング, [1]
属性, [1], [2]
最適な検出, [1]
属性ヒストグラム, [1], [2]
属性評価, [1], [2], [3], [4], [5], [6]
データ例, [1]
モデルの詳細, [1]
問題例, [1]

タイムスタンプ・データ, [1]
多クラス・ターゲット, [1]
ターゲット, [1], [2]
ターゲット密度, [1]
多次元データ, [1], [2]
多次元分析, [1]
多重共線性, [1]
多変量線形回帰, [1]
単一性, [1]
単一レコード・ケース, [1]
単一レコード・ケース・データ, [1]
直交パーティショニング・クラスタリング
「O-Cluster」を参照
ディシジョン・ツリー, [1], [2], [3]
モデルの詳細, [1]
ルール, [1], [2]
テキスト
前処理, [1]
テキストの特徴, [1]
テキスト・マイニング
アルゴリズム, [1]
クラスタリング, [1]
サポート・ベクター・マシン, [1]
相関ルール, [1]
データ型, [1]
データ例, [1]
特徴抽出, [1]
分類, [1]
前処理, [1]
問題例, [1]
ロジスティック回帰, [1]
テキスト用語, [1]
適用, [1]
テスト
回帰モデル, [1], [2]
分類モデル, [1]
データ
組込みの準備, [1]
自動準備, [1], [2], [3]
収集と調査, [1]
スパース, [1], [2], [3]
整備, [1]
高いディメンション, [1]
単一レコード・ケース, [1], [2]
ディメンション, [1], [2]
トランザクショナル, [1], [2]
ネスト, [1]
非構造化, [1]
複数レコード・ケース, [1]
マーケット・バスケット, [1], [2]
ワイド, [1]
データ・ウェアハウス, [1]
データ型, [1]
データ準備, [1], [2], [3], [4]
組込み, [1], [2]
クラスタリング, [1]
欠損値, [1]
自動, [1]
データ・マイニング
Oracle, [1]
自動, [1]
定義, [1]
プロセス, [1]
デモ・プログラム, [1]
統計, [1]
統計関数, [1]
動径基底関数, [1]
等幅ビニング, [1]
透明性, [1], [2], [3], [4], [5]
ドキュメント, [1]
特徴, [1], [2], [3]
特徴抽出, [1], [2], [3], [4], [5]
係数, [1]
スコアリング, [1]
テキスト・マイニング, [1]
データ例, [1]
モデルの詳細, [1]
問題例, [1]
トランザクショナル・データ, [1], [2], [3]
トレーニング, [1]
回帰モデル, [1]

ニューラル・ネットワーク, [1]
ネガティブ・クラス, [1]
ネストしたデータ, [1], [2]
能動学習, [1]

配置, [1], [2]
外れ値, [1]
非構造化データ, [1], [2]
非推奨機能, [1]
ヒストグラム, [1], [2]
非線形回帰, [1]
日付データ, [1]
ビニング, [1]
不適切なネガティブ数, [1], [2]
不適切なポジティブ, [1], [2]
不適切なポジティブ数, [1], [2]
不適切なポジティブの割合, [1]
プルーニング, [1]
ブログ, [1]
分位リフト, [1]
分類, [1], [2], [3]
テキスト・マイニング, [1]
テスト, [1]
データ例, [1]
バイアス, [1]
問題例, [1]
平均絶対誤差, [1]
変換, [1], [2], [3]
ポジティブ・クラス, [1]
ホワイト・ペーパー, [1]

マイニング機能, [1], [2]
異常検出, [1], [2], [3]
回帰, [1], [2], [3]
クラスタリング, [1], [2], [3]
相関ルール, [1], [2], [3]
属性評価, [1], [2], [3], [4], [5]
特徴抽出, [1], [2], [3], [4]
分類, [1], [2], [3]
マーケット・バスケット
問題例, [1]
マーケット・バスケット・データ, [1]
マーケット・バスケット分析, [1]
モデル
異常検出, [1]
オーバーフィット, [1]
回帰, [1]
監視あり, [1], [2], [3], [4]
監視なし, [1]
クラスタリング, [1], [2]
相関ルール, [1]
属性評価, [1]
特徴抽出, [1]
配置, [1]
分類, [1]
モデルの詳細, [1], [2], [3], [4]

用語, [1]
用語抽出, [1]
予測の信頼度, [1], [2], [3]
予測分析, [1], [2], [3]
「EXPLAIN」も参照
Java API, [1]
PL/SQL API, [1]
「PREDICT」も参照
「PROFILE」も参照
Spreadsheet Add-In, [1], [2]
精度, [1]
予測モデル, [1]

利益, [1]
リッジ回帰, [1]
リフト, [1], [2]
グラフ例, [1]
相関ルール, [1]
統計, [1]
量的, [1]
累積増加率, [1]
累積ターゲット数, [1]
累積ターゲット密度, [1]
累積非ターゲット数, [1]
累積リフト, [1]
ルール, [1]
PROFILE, [1]
クラスタ, [1], [2]
支持度, [1]
信頼度, [1]
ディシジョン・ツリー, [1], [2]
レコードの累積比率, [1]
ロジスティック回帰, [1], [2]
クラスの重み, [1]

ワイド・データ, [1]