索引

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

---

A

• 精度 5.3.1.1 5.3.2
• アクティブなサンプリング 23.1.2
• ADP
  • 「自動データ準備」を参照
• 集計
  • パフォーマンス 11.4.7
• アルゴリズム
  • データ準備 15.3
  • ESA 15.1.1, 15.1.2, 15.3
  • 明示的セマンティック分析
    • データ準備
      • ESA 15.3
    • スコアリング 15.1.1
  • 大規模なESA 15.1.2
  • ニューラル・ネットワーク 21.4
    • スコアリング 21.4
  • ランダム・フォレスト 25.3
    • スコアリング 25.3
  • スコアリング 15.1.1, 21.4, 25.3
    • 大規模なESA 15.1.2
• アルゴリズム 3.2.1, 3.2.2
  • Apriori 3.2.2, 8.3, 11, 11.3.4, 11.3.4.1
  • 相関 11.1
  • デシジョン・ツリー 3.2.1, 13
  • 定義 3.2
  • 期待値最大化 3.2.2, 14
  • 指数平滑法 3.2.1, 10.4
  • 一般化線形モデル 3.2.1, 17
  • k-Means 3.2.2, 7.3, 18
  • 最小記述長 3.2.1, 19
  • Naive Bayes 3.2.1, 20
  • ニューラル・ネットワーク 3.2.1
  • Non-Negative Matrix Factorization 3.2.2, 22
  • O-Cluster 3.2.2, 7.3, 23
  • 1クラス・サポート・ベクター・マシン 3.2.2, 27.5
  • 主要コンポーネント分析 3.2.2, 26.1
  • ランダム・フォレスト 3.2.1
  • 特異値分解 3.2.2 26
  • 教師あり 3.2.1
  • サポート・ベクター・マシン 3.2.1
  • 教師なし 3.2.2
• アルゴリズム
  • アルゴリズムのメタデータの登録について 24.3
  • CUR行列分解について 12.1
  • ESAについて 15.1
  • 指数平滑法について 16.1
  • ニューラル・ネットワークについて 21.1
  • ランダム・フォレストについて 25.1
  • 累積 16.2.2
  • アルゴリズムのメタデータの登録 24, 24.3
  • ランダム・フォレストの構築 25.2
  • 列選択、属性選択および行選択 12.4
  • CUR行列分解 12, 12.1, 12.2, 12.3, 12.4
  • データ準備 16.2
  • 二重指数平滑法 16.1.3
  • ESA 15.1, 15.2
  • 明示的セマンティック分析 15.1
    • テキスト・マイニング 15.2
  • 指数平滑法 12.1, 12.2, 15.4, 16, 16.1, 16.1.1, 16.1.2, 16.1.3, 16.1.4, 16.1.5, 16.1.6, 16.2.1, 16.2.2, 16.2.3, 16.2.4, 16.2.5
  • 指数平滑法モデル 16.1.1, 16.2, 16.2.1, 16.2.2, 16.2.3, 16.2.4, 16.2.5
  • 入力データ 16.2.1
  • 欠損値 16.2.3
  • ニューラル・ネットワーク 21, 21.1
    • 収束チェック 21.1.6
    • 順伝播と逆伝播 21.1.3
    • LBFGS_SCALE_HESSIAN 21.1.7
    • 損失関数またはコスト関数 21.1.2
    • ニューロンと活性化関数 21.1.1
    • NNET_HELDASIDE_MAX_FAIL 21.1.8
    • 最適化ソルバー 21.1.4
    • 正則化 21.1.5
  • パーティションによる並列性 16.2.4, 16.2.5
  • 予測間隔 16.1.6
  • ランダム・フォレスト 25, 25.1, 25.2
  • 季節性 16.1.4
  • 単純指数平滑法 16.1.2
  • 特異ベクトル 12.2
  • 統計的レバレッジ・スコア 12.3
  • 明示的セマンティック分析の用語 15.4
  • テキスト・マイニング 15.2
  • 傾向 16.1.3
  • 傾向と季節性 16.1.5
• 異常検出 3.1.2.1, 3.2.2, 5.3.2, 6, 7.1
• 適用
  • 「スコアリング」を参照
• Apriori 3.2.2, 8.3, 11
  • 集計 11.4.4
  • 例: 集計の計算 11.4.5
  • 除外ルール 11.4.6
  • 包含ルール 11.4.6
  • 最小サポート数 11.5.2
  • 逆確信度 11.5.4
• 人工知能 3.1
• 相関ルール 3.1.2.1, 3.2.2, 8, 11
• 属性評価 3.1.1.2, 3.2.1, 3.2.2, 9, 19.1
  • CUR行列分解 9.4
  • 最小記述長 9.4
• 属性 1.3.1, 3.1.2.1
• 自動データ準備 1.2.2, 1.3.2, 1.3.3, 3.3.1

---

B

• Bayesの定理 20.1
• ビニング 2.6, 22.3
  • 等幅 19.2, 23.3
  • 教師あり 19.2, 20.3

---

C

• ケース表 1.3.2
• 質的ターゲット 5
• 重心 7.1.1 18.1.2
• 分類 3.1.1.2, 3.2.1, 5
  • バイアス 5.3
  • バイナリ 5.1, 17.8
  • デシジョン・ツリー 5.4, 13
  • デフォルト・アルゴリズム 5.4
  • 一般化線形モデル 5.4, 17
  • ロジスティック回帰 17.8
  • 多クラス 5.1
  • Naive Bayes 5.4, 20
  • 1クラス 6.1.1
  • サポート・ベクター・マシン 5.4, 27.4
• クラスの重み 5.3.2
• クラスタリング 3.1.2.1, 3.2.2, 7
  • 期待値最大化 14
  • 階層 3.2.2, 7.1.3, 7.2
  • K-Means 18.1
  • O-Cluster 23
  • スコアリング 3.1.2.1
• 係数
  • GLM 17.2.1
  • Non-Negative Matrix Factorization 3.2.2, 22.1
  • 回帰 4.1.1, 4.1.1.3
• 計算論的学習 1.1.6
• 信頼度 1.1.2
  • Apriori 3.2.2, 11.2.2
  • 相関ルール 8.1.1, 11.5.3
  • クラスタリング 7.1.3.2
  • 定義 1.1.2
• 信頼限界 3.2.1, 4.1.1.6, 17.2.3
• 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, 13.2.2
• コスト 1.3.3, 5.3.1
• CUR行列分解
  • 構成 12.5

---

D

• データ・マイニング
  • 定義 1.1
  • Oracle 2, 3
  • プロセス 1.3
• データ準備 1.2.2, 1.3.2
  • Apriori 11.3
  • 期待値最大化 14.4
  • 一般化線形モデル 17.6
  • k-Means 18.3
  • 最小記述長 19.2
  • Naive Bayes 20.3
  • ニューラル・ネットワーク 21.2
  • O-Cluster 23.3
  • SVD 26.3
• データ・ウェアハウス 1.1.7
• DBMS_DATA_MINING 2.5.1
• DBMS_STAT_FUNCS 2.6
• デシジョン・ツリー 3.2.1, 13
• デプロイメント 1.3.4
• 記述モデル 3.1.2
• 指示あり学習 3.1.1

---

E

• 組込みのデータ準備 1.2.2
• エントロピ 13.2.1, 19.1.1, 19.1.1.3
• Exadata 2.3
• 期待値最大化 3.2.2
• 明示的セマンティック分析 3.2.1, 3.2.2
• 指数平滑法 3.2.1, 10.4

---

F

• 特徴抽出 3.1.2.1, 3.2.2, 9, 22, 26
  • デフォルト・アルゴリズム 9.4
  • 明示的セマンティック分析 9.4
  • Non-Negative Matrix Factorization 9.4
  • 主要コンポーネント分析 9.4
  • 特異値分解 9.4
• 特徴生成 17.3, 17.3.2
• 特徴選択 9, 17.3, 17.3.1
• 高頻度項目セット 11.1, 11.4.2
• 関数 24.1

---

G

• 一般化線形モデル 3.2.1, 17
  • 分類 17.8.1
  • 特徴の選択と作成 17.3
  • 回帰 17.7
• GLM
  • 「一般化線形モデル」を参照
  • ソルバー 17.5
• グラフィカル・ユーザー・インタフェース 2.5.3

---

H

• 階層 3.2.2, 7.1.3, 7.2

---

I

• 帰納的推論 1.1.6
• 内点法 27.1.1
• 項目セット 11.4

---

K

• カーネル 2.2
• k-Means 3.2.2, 7.3, 18

---

L

• リフト 1.3.3
  • 相関ルール 11.5.5
  • 分類 5.2.2
• 線形回帰 3.2.1, 4.1.1.1, 17.7
• ロジスティック回帰 3.2.1, 17.8

---

M

• 機械学習 3.1, 3.2.1
• マーケット・バスケット・データ 1.3.3
• マーケット・バスケット・データ 8.2
• MDL 3.2.1
  • 「最小記述長」を参照
• 最小記述長 19
• マイニング手法
  • 分類 15.1
• マイニング手法 3.1, 3.1.1.2
  • 異常検出 3.1.2.1, 3.2.2, 6
  • 相関ルール 3.1.2.1, 3.2.2, 8
  • 属性評価 3.2.1, 3.2.2, 9, 19.1
  • 分類 3.1.1.2, 3.2.1, 5
  • クラスタリング 3.1.2.1, 3.2.2, 7
  • 特徴抽出 3.1.2.1, 3.2.2, 9, 9.3
  • 回帰 3.1.1.2, 3.2.1, 4
  • 時系列 3.2.1
• マイニング手法
  • 構築適用 10.3.4
  • 時系列 10, 10.3.4
    • 統計 10.3
• マイニング手法
  • 条件付き対数尤度10.3.1
  • 不規則な時系列 10.3.3
  • MSE 10.3.2
  • 予測 10.3.2
  • 時系列 10.3.1, 10.3.2, 10.3.3
• 欠損値の処理 3.3.1
• モデルの詳細 1.3.4, 13.1.1
• 多重共線性 17.2.4
• 多次元分析 1.1.6, 2.6
• 多変量線形回帰 4.1.1.2

---

N

• Naive Bayes 3.2.1, 20
• ネストしたデータ 11.3.1
• ニューラル・ネットワーク 3.2.1
  • 構成 21.3
• NMF
  • 「Non-Negative Matrix Factorization」を参照
• 非線形回帰 4.1.1.4
• Non-Negative Matrix Factorization 3.2.2, 22
• 非トランザクショナル・データ 8.2
• 量的ターゲット 5.1

---

O

• O-Cluster 3.2.2, 7.3, 23
• OLAP 1.1.6, 2.6
• 1クラス・サポート・ベクター・マシン 3.2.2, 27.5
• Oracle Business Intelligence Suite Enterprise Edition 2.6
• Oracle Database
  • カーネル 2.1
  • 統計関数 2.6
• Oracle Data Miner 2.5.3
• Oracle OLAP 2.6
• Oracle Spatial 2.6
• Oracle Text 2.6
• 外れ値 1.2.2, 6.1.3, 23.3.1
• オーバーフィット 3.1.1.1, 13.2.3

---

P

• パラレル実行 3.4.1, 11.1, 13.1.2, 19.1, 20.1.1
• パーティション化モデル 2.4
• PCA
  • 「主成分分析」を参照
• PL/SQL API 2.5, 2.5.1
• PREDICTION_PROBABILITY関数 2.6
• PREDICTION関数 2.5.2
• 予測分析 2.5.4
• 予測モデル 3.1.1
• 主要コンポーネント分析 3.2.2, 26.1
• 事前確率 5.3.2, 20.1

---

R

• ランダム・フォレスト 3.2.1
• 受信者操作特性 5.2.3
• 登録 24.1
• 回帰 3.1.1.2, 3.2.1, 4
  • 係数 4.1.1, 4.1.1.3
  • デフォルト・アルゴリズム 4.3
  • 定義 4.1.1
  • 一般化線形モデル 4.3, 17
  • 線形 4.1.1.1, 17.7
  • 非線形 4.1.1.4
  • リッジ 17.2.4
  • 統計 4.2.1
  • サポート・ベクター・マシン 4.3, 27.6
• Rの拡張性 24.1
• R 拡張可能
  • Rでの作成とスコアリング 24.2とスコア
• リッジ回帰 17.2.4
• ROC
  • 「受信者操作特性」を参照
• Rスクリプト登録 24.1
• ルール 1.3.4
  • Apriori 11.1
  • 相関ルール 8.1.1
  • クラスタリング 7.1.3.1
  • デシジョン・ツリー 13.1.1
  • 定義 1.1.2

---

S

• サンプリング 11.3.4
• サンプリングの実装 11.3.4.1
• スコアリング 3.1.2.1
  • 異常検出 3.1.2.1
  • 分類 3.1.1.2
  • クラスタリング 3.1.2.1
  • 定義 1.1.1
  • 動的 3.4.2
  • Exadata 2.3
  • 知識の配置 1.3.4
  • モデルの詳細 1.3.4
  • Non-Negative Matrix Factorization 22.1.2
  • O-Cluster 23.1.4
  • パラレル実行 3.4.1
  • リアルタイム 1.3.4
  • 回帰 3.1.1.1
  • 教師ありモデル 3.1.1.2
  • 教師なしモデル 3.1.2.1
• 単一性 17.2.4
• 特異値分解 26
• スパース・データ 3.3.1, 11.3
• SQLデータ・マイニング関数 2.5 2.5.2
• SQL統計関数 2.6
• スター・スキーマ 11.3.1
• 統計関数 2.6
• 統計 1.1.5
• 層別サンプリング 5.3.2, 6.1.1
• 劣勾配降下 27.1.1
• 教師あり学習 3.1.1
• サポート 1.1.2
  • Apriori 3.2.2, 11.4.2
  • 相関ルール 8.1.1, 11.5.1
  • クラスタリング 7.1.3.2
  • 定義 1.1.2
• サポート・ベクター・マシン 3.2.1, 27
  • 分類 3.2.1, 27.4
  • ガウス・カーネル 3.2.1
  • 線形カーネル 3.2.1
  • 1クラス 3.2.2, 27.5
  • 回帰 3.2.1, 27.6
• SVD
  • 「特異値分解」を参照
• SVM
  • サポート・ベクター・マシンを参照

---

T

• ターゲット 3.1.1, 3.1.2.1
• テキスト・マイニング 3.3.3, 22.1.3
• 時系列 3.2.1
• トランザクショナル・データ 1.3.3, 8.2, 11.3
• 変換 3.3.1
• 透明性 3.3.1, 7.2, 13.1.1, 17.2.1

---

U

• 非構造化データ 3.3.3
• 教師なし学習 3.1.2
• UTL_NLA 2.6

---

W

• ワイド・データ 9.1, 17.2.2