PREDICTION_PROBABILITY
構文
prediction_probability::=
分析構文
prediction_prob_analytic::=
mining_attribute_clause::=
mining_analytic_clause::=
関連項目:
mining_analytic_clauseの構文、セマンティクスおよび制限事項の詳細は、「分析ファンクション」を参照してください。
目的
PREDICTION_PROBABILITYは、選択内に含まれる各行の確率を返します。確率は、最も高確率のクラスまたは指定されたclassを参照します。返される確率のデータ型は、BINARY_DOUBLEです。
PREDICTION_PROBABILITYでは、分類または異常検出を実行できます。分類の場合、返される確率は予測されたターゲット・クラスを参照します。異常検出の場合、返される確率は分類1(通常の行)または0(異常な行)を参照します。
PREDICTION_PROBABILITYとPREDICTIONファンクションを組み合せて使用すると、予測とその予測の確率を取得できます。
構文の選択
PREDICTION_PROBABILITYは、2つの方法のどちらかでデータにスコアを付けます。1つの方法では、データにマイニング・モデル・オブジェクトを適用します。もう1つの方法では、1つ以上の一時マイニング・モデルを作成して適用する分析句を実行して動的にデータをマイニングします。構文または分析構文を選択します。
-
構文 — 事前に定義されたモデルでデータにスコアを付ける場合は、最初の構文を使用します。分類または異常検出を実行するモデルの名前を指定します。
-
分析構文 — 事前定義されたモデルなしで、データにスコアを付ける場合は、分析構文を使用します。分析構文は、
mining_analytic_clauseを使用します。これは、複数のモデル構築のためにデータをパーティション化する必要がある場合に指定します。mining_analytic_clauseは、query_partition_clauseとorder_by_clauseをサポートします。(「analytic_clause::=」を参照)-
分類の場合は、
FORexprを指定します。exprは、文字データ型のターゲット列を特定する式です。 -
異常検出の場合は、キーワード
OF ANOMALYを指定します。
-
PREDICTION_PROBABILITYファンクションの構文では、パーティション化されたモデルをスコアリングするときに、オプションのGROUPINGヒントを使用できます。「GROUPINGヒント」を参照してください。
mining_attribute_clause
mining_attribute_clauseは、スコアの予測子として使用する列の属性を特定します。このファンクションが分析構文で起動された場合は、これらの予測子が一時モデルの構築にも使用されます。mining_attribute_clauseは、PREDICTIONファンクションと同様に動作します。(「mining_attribute_clause::=」を参照)
関連項目:
-
スコアリングの詳細は、Oracle Data Miningユーザーズ・ガイドを参照してください。
-
予測データ・マイニングの詳細は、『Oracle Data Mining概要』を参照してください。
ノート:
次に示す例は、Data Miningのサンプル・プログラムからの抜粋です。サンプル・プログラムの詳細は、Oracle Data Miningユーザーズ・ガイドの「付録A」を参照してください。
例
次の例では、提携カードを使用している可能性が最も高いイタリア在住の顧客を10人戻します。
SELECT cust_id FROM (
SELECT cust_id
FROM mining_data_apply_v
WHERE country_name = 'Italy'
ORDER BY PREDICTION_PROBABILITY(DT_SH_Clas_sample, 1 USING *)
DESC, cust_id)
WHERE rownum < 11;
CUST_ID
----------
100081
100179
100185
100324
100344
100554
100662
100733
101250
101306分析の例
この例では、mining_data_one_class_v内のデータで最も標準的でない行を特定します。婚姻区分の各種別が個別に考慮されるため、婚姻区分グループごとに最も異常な行が返されるようになります。
この問合せは、異常な行の判断に最も影響を与える属性を返します。PARTITION BY句により、婚姻区分ごとに構築され適用される個別のモデルが生成されます。区分がMabsentのレコードは1つのみであるため、そのパーティションに作成されるモデルはありません(詳細も表示されません)。
SELECT cust_id, cust_marital_status, rank_anom, anom_det FROM
(SELECT cust_id, cust_marital_status, anom_det,
rank() OVER (PARTITION BY CUST_MARITAL_STATUS
ORDER BY ANOM_PROB DESC,cust_id) rank_anom FROM
(SELECT cust_id, cust_marital_status,
PREDICTION_PROBABILITY(OF ANOMALY, 0 USING *)
OVER (PARTITION BY CUST_MARITAL_STATUS) anom_prob,
PREDICTION_DETAILS(OF ANOMALY, 0, 3 USING *)
OVER (PARTITION BY CUST_MARITAL_STATUS) anom_det
FROM mining_data_one_class_v
))
WHERE rank_anom < 3 order by 2, 3;
CUST_ID CUST_MARITAL_STATUS RANK_ANOM ANOM_DET
------- ------------------- ---------- -----------------------------------------------------------
102366 Divorc. 1 <Details algorithm="Support Vector Machines" class="0">
<Attribute name="COUNTRY_NAME" actualValue="United Kingdom"
weight=".069" rank="1"/>
<Attribute name="AGE" actualValue="28" weight=".013"
rank="2"/>
<Attribute name="YRS_RESIDENCE" actualValue="4"
weight=".006" rank="3"/>
</Details>
101817 Divorc. 2 <Details algorithm="Support Vector Machines" class="0">
<Attribute name="YRS_RESIDENCE" actualValue="8"
weight=".018" rank="1"/>
<Attribute name="EDUCATION" actualValue="PhD" weight=".007"
rank="2"/>
<Attribute name="CUST_INCOME_LEVEL" actualValue="K:
250\,000 - 299\,999" weight=".006" rank="3"/>
</Details>
101713 Mabsent 1
101790 Married 1 <Details algorithm="Support Vector Machines" class="0">
<Attribute name="COUNTRY_NAME" actualValue="Canada"
weight=".063" rank="1"/>
<Attribute name="EDUCATION" actualValue="7th-8th"
weight=".011" rank="2"/>
<Attribute name="HOUSEHOLD_SIZE" actualValue="4-5"
weight=".011" rank="3"/>
</Details>
. . .