索引

A B C D E F G H I J K L M N O P R S T U W X

A

精度, 3.5.2.1, 5.3.1.1, 5.3.2

能動学習, 18.1.4

アクティブなサンプリング, 17.1.2

ADP

「自動データ準備」を参照

アルゴリズム

Apriori, 2.4.2, 8.3, 10, 19.2.4

ディシジョン・ツリー, 2.4.1, 11, 19.2.4

一般化線形モデル, 2.4.1, 12, 19.2.4

k-Means, 2.4.2, 7.4, 13, 19.2.4

最小記述長, 2.4.1, 14, 19.2.4

Naive Bayes, 2.4.1, 15, 19.2.4

Non-Negative Matrix Factorization, 2.4.2, 16, 19.2.4

O-Cluster, 2.4.2, 7.4, 17, 19.2.4

1クラス・サポート・ベクター・マシン, 2.4.2, 18.5

監視あり, 2.4.1, 2.4.1

サポート・ベクター・マシン, 2.4.1, 18, 19.2.4

監視なし, 2.4.2

異常検出, 2.3.2.1, 2.3.2.1, 2.3.3, 2.4.2, 5.3.2, 6, 7.1

適用

「スコアリング」を参照

Apriori, 1.1.7, 2.4.2, 10, 19.2.4

曲線下の面積, 5.2.3.2

人工知能, 2.3

相関ルール, 1.1.7, 2.3.2.1, 2.3.3, 2.4.2, 8, 10

属性評価, 2.3.3, 2.4.1, 3.5.1, 9, 14.1

最小記述長, 9.4

機能選択も参照

属性, 1.3.1, 2.3.3

自動データ準備, 1.2.2, 1.3.3, 2.5.1, 19.1

B

Bayesの定理, 15.1

ビニング, Preface, 2.9, 16.3, 19.2.1

等幅ビニング, 13.2, 14.2, 17.3, 19.3.2.1

分位, 19.3.2.1

監視あり, 14.2, 15.3, 19.3.2.1

上位N個の最頻出, 19.3.2.1

C

ケース表, 1.1.7, 1.3.2, 19.1.1

質的属性, 3.5.2.1, 5, 19.1.2

重心, 7.1.1, 13.1.2

分類, 2.3.3, 2.4.1, 5

バイアス, 5.3

2分, 5.1, 12.5

ディシジョン・ツリー, 11

一般化線形モデル, 12

ロジスティック回帰, 12.5

多クラス, 5.1

Naive Bayes, 15

1クラス, 6.1.1

サポート・ベクター・マシン, 18.4

クリッピング, 19.2.3

クラスタリング, 2.3.2.1, 2.3.2.1, 2.3.3, 2.4.2, 7

階層, 2.4.2, 7.2, 7.3

K-Means, 13.1

O-Cluster, 17

スコアリング, 2.3.2.1, 2.3.2.1

係数

Non-Negative Matrix Factorization, 2.4.2, 16.1

回帰係数, 4.1.1, 4.1.1.3

計算論的学習, 1.1.6

信頼度

Apriori, 2.4.2, 10.2.2, 10.5.2

相関ルール, 8.1.1

クラスタリング, 7.2.2

定義, 1.1.2

予測分析, 3.1

信頼限界, 2.4.1, 4.1.1.6, 12.1.1.3

混同マトリックス, 1.3.3, 5.2.1, 5.3.1.1

コスト・マトリックス, 5.3.1, 5.3.1.3, 11.2.2

コスト, 1.3.3, 5.3.1, 5.3.1.3, 5.3.1.3

CREATE_MODEL, 2.7.2

キューブ, 1.1.6

D

データ・マイニング

自動, 3

定義, 1.1

Oracle, 2

プロセス, 1.3

データ準備, 1.2.2, 1.3.2, 2.5, 19

Apriori, 10.3, 19.2.4

ディシジョン・ツリー, 19.2.4

一般化線形モデル, 12.3, 19.2.4

k-Means, 13.3, 19.2.2, 19.2.4

最小記述長, 14.2, 19.2.4

Naive Bayes, 15.3, 19.2.4

Non-Negative Matrix Factorization, 19.2.2, 19.2.4

O-Cluster, 17.3, 19.2.4

サポート・ベクター・マシン, 19.2.2, 19.2.4

データ型, 19.1.2

データ・ウェアハウス, 1.1.7

DBMS_DATA_MINING, 2.7.2

DBMS_DATA_MINING_TRANSFORM, 2.7.2, 2.9

DBMS_FREQUENT_ITEMSET, 2.9

DBMS_PREDICTIVE_ANALYTICS, 2.7.2, 3.3

DBMS_STAT_FUNCS, 2.9

ディシジョン・ツリー, 2.4.1, 3.5.3, 3.5.3, 11, 19.2.4

配置, 1.3.4

非推奨機能, はじめに

記述モデル, 2.3.2

ディメンション化されたデータ, 2.5

指示あり学習, 2.3.1

離散化

「ビニング」を参照

DMSYSスキーマ

「サポート対象外機能」を参照

ドキュメント, 2.8

E

組込みのデータ準備, 1.2.2, 2.5.1, 19

エントロピ, 11.2.1, 14.1.1, 14.1.1.3

Exadata, 2.2

Excel, 3.2

EXPLAIN, 2.7.2, 2.7.6

F

特徴抽出, 2.3.2.1, 2.3.3, 2.4.2, 9, 16, 20.2.6, 20.3

特徴選択, 9

「属性評価」も参照

高頻度項目セット, 10.1, 10.4.2

G

一般化線形モデル, 2.4.1, 12, 19.2.4

分類, 12.5.1

回帰, 12.4

gini, 11.2.1

GLM

「一般化線形モデル」を参照

H

階層, 1.1.6, 2.4.2, 7.2, 7.3

ヒストグラム, 13.2

I

帰納的推論, 1.1.6

項目セット, 10.4

J

Java API, はじめに, 2.1, 2.7.7, 2.7.7

K

KDD, 1.1, 用語集

カーネル, 2.1

k-Means, 2.4.2, 7.4, 13, 19.2.4

L

リフト, 1.3.3, 5.2.2, 5.2.2.1, 10.5.3

線形回帰, 2.4.1, 4.1.1.1, 12.4

ロジスティック回帰, 2.4.1, 12.5

M

機械学習, 2.3

マーケット・バスケット・データ, はじめに, 1.1.7, 1.3.3

MDL, 2.4.1, 3.5.1

「最小記述長」を参照

最小記述長, 14, 19.2.4

マイニング機能, 2.3, 2.3.3

異常検出, 2.3.3, 2.4.2, 6

相関ルール, 2.3.3, 2.4.2, 8

属性評価, 2.4.1, 9, 14.1

分類, 2.3.3, 2.4.1, 5

クラスタ, 2.3.3, 2.4.2, 7

特徴抽出, 2.3.3, 2.4.2, 9, 9.3

回帰, 2.3.3, 2.4.1, 4

欠損値の処理, はじめに, 19.1

モデルの詳細, 1.3.4, 3.5.1, 3.5.3, 11.1.1

多重共線性, 12.1.2

多次元分析, 1.1.6, 2.9, 2.9

多変量線形回帰, 4.1.1.2

N

Naive Bayes, 2.4.1, 15, 19.2.1, 19.2.4

ネストしたデータ, はじめに, 2.5, 10.3.1

ニューラル・ネットワーク, 18.1.1

NMF

「Non-Negative Matrix Factorization」を参照

非線形回帰, 4.1.1.4

Non-Negative Matrix Factorization, 2.4.2, 16, 19.2.4

非トランザクショナル・データ, 8.2

正規化, はじめに, 19.2.2, 19.2.2

Min-Max, 19.3.2.2

スケール, 19.3.2.2

Z-スコア, 19.3.2.2

量的属性, 5.1, 19.1.2

O

O-Cluster, 2.4.2, 7.4, 17, 19.2.4

OLAP, 1.1.6, 2.9

1クラス・サポート・ベクター・マシン, 2.4.2, 18.5

Oracle Business Intelligence Suite Enterprise Edition, 2.9

Oracle Data Miner, はじめに, 20.3

Oracle Data Miningのディスカッション・フォーラム, 2.8.1

Oracle Data Miningのドキュメント, 2.8

Oracle Databaseの分析, 2.9

Oracle Databaseのカーネル, 2.1

Oracle Databaseの統計関数, 2.9

Oracle OLAP, 2.9

Oracle Spatial, 2.9

Oracle Spreadsheet Add-In for Predictive Analytics

「Spreadsheet Add-In」を参照

Oracle Text, 2.9, 2.9, 20.4

外れ値, 1.2.2, 6.1.3, 17.3.1, 19.2.3, 19.3.2.3

オーバー・フィット, 2.3.1.1, 11.2.3

P

PL/SQL API, 2.7, 2.7.2

PMML, 2.7, 2.7.5

PREDICT, 2.7.2, 2.7.6

PREDICTION_PROBABILITY, 2.7.3

予測分析, 2.7.2, 2.7.6, 3

予測の信頼度, 3.2, 3.4, 3.5.2.1

予測モデル, 2.3.1

事前確率, 5.3.2, 15.1

確率しきい値, 5.2.2.1, 5.2.3, 5.2.3.4

PROFILE, 2.7.2, 2.7.6

プルーニング, 11.2.3

R

R, 2.7

動径基底関数, 18.1.1

受信者操作特性

「ROC」を参照

回帰, 2.3.3, 2.4.1, 4

係数, 4.1.1, 4.1.1.3

定義, 4.1.1

一般化線形モデル, 12

線形, 4.1.1.1, 12.4

非線形, 4.1.1.4

リッジ, 12.1.2

統計, 4.2.1

サポート・ベクター・マシン, 18.6

ROC, 3.5.2, 5.2.3, 5.2.3.2

ルール, 1.3.4

Apriori, 10.1

相関ルール, 8.1.1

クラスタリング, 7.2.1

ディシジョン・ツリー, 3.5.3, 3.5.3, 3.5.3, 11.1.1

定義, 1.1.2

PROFILE, 3.5.3

S

サンプル・プログラム, 2.8.1

スコアリング, 2.3.2.1, 2.3.2.1, 2.3.2.1

異常検出, 2.3.2.1

分類, 2.3.1.2

クラスタリング, 2.3.2.1

定義, 1.1.1

Exadata, 2.2

知識の配置, 1.3.4

モデルの詳細, 1.3.4

Non-Negative Matrix Factorization, 16.1.2

O-Cluster, 17.1.4

リアルタイム, 1.3.4

回帰, 2.3.1.1

監視ありモデル, 2.3.1.2

監視なしモデル, 2.3.2.1

単一性, 12.1.2

スパース・データ, はじめに, 10.3, 19.1

Spreadsheet Add-In, 2.7.6, 2.8.1, 3.2

SQLデータ・マイニング関数, 2.7, 2.7.3

SQL統計関数, 2.9

スター・スキーマ, 2.5, 10.3.1

統計, 1.1.5

層別サンプリング, 5.3.2, 6.1.1

スーパーモデル, 2.5.1, 2.5.1

監視あり学習, 2.3.1

支持度

Apriori, 2.4.2, 10.4.2, 10.5.1

相関ルール, 8.1.1

クラスタリング, 7.2.2

定義, 1.1.2

サポート・ベクター・マシン, 2.4.1, 3.5.2, 18, 19.2.4

分類, 2.4.1, 18.4

ガウス・カーネル, 2.4.1

線形カーネル, 2.4.1

1クラス, 2.4.2, 18.5

回帰, 2.4.1, 18.6

SVM

「サポート・ベクター・マシン」を参照

T

ターゲット, 2.3.1, 2.3.2.1

用語抽出, 20.3

テキスト・マイニング, 20

データ型, 20.2.2

Non-Negative Matrix Factorization, 16.1.3

前処理, 20.2

トランザクショナル・データ, 1.1.7, 1.3.3, 8.2, 10.3

トランスフォーメーション, 2.5.1, 2.7.2, 19.1, 19.2.4

透明性, 7.3, 11.1.1, 12.1.1.1, 19.1

トリミング, 19.3.2.3

U

非構造化データ, 2.5, 20.1

監視なし学習, 2.3.2

UTL_NLA, 2.9

W

ワイド・データ, 9.1, 12.1.1.2

ウィンザライズ, 19.3.2.3

X

XML

ディシジョン・ツリー, 3.5.3, 11.1.3

PROFILE, 3.5.3