| Oracle® R Enterpriseインストレーションおよび管理ガイド リリース1.5.1 E88294-01 |
|
 前 |
 次 |
Oracle R Enterpriseの基本的な機能が動作していることを確認するには、Oracle R Enterprise Serverへの接続を確立して、基本的なコマンドをいくつか実行してOracle R Enterpriseのデモ・プログラムの一部を実行します。
注意:
Oracle R Enterpriseを起動および使用するには、ユーザーIDにOracle R Enterpriseのインストールに必要とされる権限が必要です。詳細は、ユーザー要件を参照してください。
例A-2 Oracle R Enterprise Serverへの接続
Oracle R Enterprise ClientをOracle R Enterprise Serverに接続するには、次の手順を実行します。
Windowsの「スタート」メニューでR x64 3.3.0を選択します。
Rコンソールが表示されます。
次のコマンドを入力してOracle R Enterpriseを起動します。
> library(ORE)
次のコマンドを入力してOracle R Enterprise Serverに接続します。次の例では、ユーザーrquserをサーバー・ホストserv1上のデータベースorclに、ポート1521を使用して接続しています。
> ore.connect(user="rquser", sid="orcl", host="serv1", password="rquserpsw", port=1521, all=TRUE) Loading required package: ROracle Loading required package: DBI
ore.is.connectedを実行して接続を確認します。接続が正常に確立されている場合は、コマンドによってTRUEが返されます。
> ore.is.connected() [1] TRUE
例A-3 RQUSERからアクセスできるデータベース表のリスト
ore.lsコマンドで、現行ユーザーに利用可能なデータ・セットがリストされます。たとえば、TABLE1およびTABLE2がrquserスキーマに存在している場合は、次のように表示されます。
> ore.ls() [1] "TABLE1" "TABLE2"
例A-4 Rデータ・フレームのデータ表へのプッシュ
ore.pushコマンドで、Rデータ・フレームがデータ表に、またはデータ表がRデータ・フレームにプッシュされます。次に例を示します。
> cars <- ore.push(cars)
例A-5 埋込みR関数の実行
ore.doEvalコマンドで、データベース埋込みRエンジンの指定された関数の実行がスケジュール設定され、実行結果が返されます。
> ore.doEval(function() { 123 })
[1] 123
例A-6 Oracle R Enterpriseのデモ・スクリプトのリスト
Oracle R Enterpriseのデモ・スクリプトは$ORACLE_HOME/R/library/ORE/demoにあります。demoで、利用可能なデモのリストが表示されます。
> demo(package="ORE") Demos in package 'ORE': aggregate Aggregation analysis Basic analysis & data processing operations basic Basic connectivity to database binning Binning logic columnfns Column functions cor Correlation matrix crosstab Frequency cross tabulations datastore DataStore operations datetime Date/Time operations derived Handling of derived columns distributions Distribution, density, and quantile functions do_eval Embedded R processing esm Exponential smoothing method freqanalysis Frequency cross tabulations glm Generalized Linear Models graphics Demonstrates visual analysis group_apply Embedded R processing by group hypothesis Hyphothesis testing functions matrix Matrix related operations nulls Handling of NULL in SQL vs. NA in R odm_ai Oracle Data Mining: attribute importance odm_ar Oracle Data Mining: association rules odm_dt Oracle Data Mining: decision trees odm_em Oracle Data Mining: expectation maximization (12.2) odm_esa Oracle Data Mining: explicit semantic analysis (12.2) odm_glm Oracle Data Mining: generalized linear models odm_kmeans Oracle Data Mining: enhanced k-means clustering odm_nb Oracle Data Mining: naive Bayes classification odm_nmf Oracle Data Mining: non-negative matrix factorization odm_oc Oracle Data Mining: o-cluster odm_partition Oracle Data Mining: partition model (12.2) odm_ralg Oracle Data Mining: extensible R algorithm (12.2) odm_svd Oracle Data Mining: singular value decomposition (12.2 odm_svm Oracle Data Mining: support vector machines ore_dplyr Data manipulation similar to dplyr pca Principal Component Analysis push_pull RDBMS <-> R data transfer randomForest Random forest model rank Attributed-based ranking of observations reg Ordinary least squares linear regression row_apply Embedded R processing by row chunks sampling Random row sampling and partitioning of an ore.frame script Create, list, load, drop, grant, and revoke R scripts sql_like Mapping of R to SQL commands stepwise Stepwise OLS linear regression summary Summary functionality table_apply Embedded R processing of entire table
Oracle R Enterpriseのデモ・スクリプトの一部を実行することにより、インストールが正常に完了したことをさらに確認できます。エラーが発生せずスクリプトが完了した場合、デモは正常に実行されています。
例A-7 aggregateデモの実行
次の例では、aggregateデモが出力の一部を含めて表示されています。
> demo("aggregate", package="ORE")
demo(aggregate)
---- ~~~~~~~~~
Type <Return> to start :
> #
> # O R A C L E R E N T E R P R I S E S A M P L E L I B R A R Y
> #
> # Name: aggregate.R
> # Description: Demonstrates aggregations
> # See also summary.R
> #
> #
> #
>
> ## Set page width
> options(width = 80)
> # Push the built-in iris data frame to the database
> IRIS_TABLE <- ore.push(iris)
> # Display the class of IRIS_TABLE
> class(IRIS_TABLE)
[1] "ore.frame"
attr(,"package")
[1] "OREbase"
> # Select count(Petal.Length) group by species
> x = aggregate(IRIS_TABLE$Petal.Length,
+ by = list(species = IRIS_TABLE$Species),
+ FUN = length)
> class(x)
[1] "ore.frame"
attr(,"package")
[1] "OREbase"
.
.
.
.
例A-8 row_applyデモの実行
次の例では、row_applyデモが出力の一部を含めて表示されています。
> demo("row_apply", package="ORE")
demo(row_apply)
---- ~~~~~~~~~
Type <Return> to start :
> #
> # O R A C L E R E N T E R P R I S E S A M P L E L I B R A R Y
> #
> # Name: row_apply.R
> # Description: Execute R code on each row
> #
> #
>
> ## Set page width
> options(width = 80)
> # Push the built-in iris data frame to the database
> IRIS_TABLE <- ore.push(iris)
> # Display the class of IRIS_TABLE
> class(IRIS_TABLE)
[1] "ore.frame"
attr(,"package")
[1] "OREbase"
> # Apply given R function to each row
> ore.rowApply(IRIS_TABLE,
+ function(dat) {
+ # Any R code goes here. Operates on one row of IRIS_TABLE at
+ # a time
+ cbind(dat, dat$Petal.Length)
+ })
$`1`
Sepal.Length Sepal.Width Petal.Length Petal.Width Species dat$Petal.Length
1 6.4 2.8 5.6 2.1 virginica 5.6
$`2`
Sepal.Length Sepal.Width Petal.Length Petal.Width Species dat$Petal.Length
1 7.2 3 5.8 1.6 virginica 5.8
$`3`
Sepal.Length Sepal.Width Petal.Length Petal.Width Species dat$Petal.Length
1 7.4 2.8 6.1 1.9 virginica 6.1
$`4`
Sepal.Length Sepal.Width Petal.Length Petal.Width Species dat$Petal.Length
1 7.9 3.8 6.4 2 virginica 6.4
$`5`
Sepal.Length Sepal.Width Petal.Length Petal.Width Species dat$Petal.Length
1 6.4 2.8 5.6 2.2 virginica 5.6
$`6`
.
.
.
.
例A-9 corデモの実行
次の例では、corデモが出力の一部を含めて表示されています。
> demo ("cor")
demo(cor)
---- ~~~
Type <Return> to start :
> #
> # O R A C L E R E N T E R P R I S E S A M P L E L I B R A R Y
> #
> # Name: cor.R
> # Description: Correlation matrix
> #
> #
> #
>
> ## Set page width
> options(width = 80)
> # Push the built-in iris data frame to the database
> IRIS_TABLE <- ore.push(iris)
> # Display the class of IRIS_TABLE
> class(IRIS_TABLE)
[1] "ore.frame"
attr(,"package")
[1] "OREbase"
> # Remove non numeric columns
> iris_numeric = IRIS_TABLE[, c("Sepal.Length", "Sepal.Width",
+ "Petal.Length", "Petal.Width")]
> # Pearson's correlation matrix
> cor(iris_numeric, use = "all.obs")
Sepal.Length Sepal.Width Petal.Length Petal.Width
Sepal.Length 1.0000000 -0.1175698 0.8717538 0.8179411
Sepal.Width -0.1175698 1.0000000 -0.4284401 -0.3661259
Petal.Length 0.8717538 -0.4284401 1.0000000 0.9628654
Petal.Width 0.8179411 -0.3661259 0.9628654 1.0000000
.
.
.
.
Warning messages:
1: ORE object has no unique key - using random order
2: ORE object has no unique key - using random order
3: ORE object has no unique key - using random order
4: ORE object has no unique key - using random order
例A-10 stepwiseデモの実行
次の例では、stepwiseデモが出力の一部を含めて表示されています。
> demo("stepwise")
demo(stepwise)
---- ~~~~~~~~
Type <Return> to start :
> #
> # O R A C L E R E N T E R P R I S E S A M P L E L I B R A R Y
> #
> # Name: stepwise.R
> # Description: STEPWISE Multivariate Regression
> #
> #
> #
>
> ## Set page width
> options(width = 80)
> # Push the built-in iris data frame to the database
> IRIS_TABLE <- ore.push(iris)
> # Display the class of IRIS_TABLE
> class(IRIS_TABLE)
[1] "ore.frame"
attr(,"package")
[1] "OREbase"
> # Let us first project out the non numeric columns
> IRIS_TABLE = IRIS_TABLE[, c("Sepal.Length", "Sepal.Width",
+ "Petal.Length", "Petal.Width")]
> # Predict Sepal.Length based on the other 3 numeric columns
> # Do it stepwise
> model = ore.lm(Sepal.Length ~ ., data = IRIS_TABLE)
> model
Call:
ore.lm(formula = Sepal.Length ~ ., data = IRIS_TABLE)
Coefficients:
(Intercept) Sepal.Width Petal.Length Petal.Width
1.8560 0.6508 0.7091 -0.5565
.
.
.
