CREATE_MODELプロシージャ

5.2 CREATE_MODELプロシージャ

CREATE_MODELプロシージャの設定を示します。

DBMS_DATA_MININGパッケージのCREATE_MODELプロシージャは、指定されたデータを使用して、指定された名前と機械学習機能を持つ機械学習モデルを作成します。モデルは、構成設定とユーザー指定の変換を使用して作成できます。

PROCEDURE CREATE_MODEL(
                  model_name            IN VARCHAR2,
                  mining_function       IN VARCHAR2,
                  data_table_name       IN VARCHAR2,
                  case_id_column_name   IN VARCHAR2,
                  target_column_name    IN VARCHAR2 DEFAULT NULL,
                  settings_table_name   IN VARCHAR2 DEFAULT NULL,
                  data_schema_name      IN VARCHAR2 DEFAULT NULL,
                  settings_schema_name  IN VARCHAR2 DEFAULT NULL,
                  xform_list            IN TRANSFORM_LIST DEFAULT NULL);

5.2.1 機械学習機能の選択

CREATE_MODELプロシージャにOracle Machine Learning for SQLの機械学習機能を指定する方法について説明します。

OML4SQLの機械学習機能では、モデル化や解決の対象になる可能性がある問題の種類を指定します。機械学習を指定するには、CREATE_MODELプロシージャのmining_function引数を使用します。

OML4SQLの機械学習機能は、教師あり学習または教師なし学習のいずれかを実装しています。教師あり学習では、独立属性のセットを使用して従属属性の値またはターゲットを予測します。教師なし学習では従属属性と独立属性は区別されません。教師あり機能は予測的です。教師なし機能は記述的です。

ノート:

OML4SQLの用語では、機能(function)とは、特定の機械学習アプローチを使用して解決される問題の一般的な種類です。SQL言語の用語では、関数(function)は結果を戻す操作です。

OML4SQLのドキュメントでは、機能または機械学習機能という用語は、OML4SQLの機械学習機能を意味します。SQL関数またはSQL機械学習関数という用語は、スコアリングのためのSQL関数を意味します(機械学習モデルの適用)。

CREATE_MODELプロシージャのmining_functionパラメータに指定できる値を次の表に示します。

表5-2 Oracle Machine Learningのmining_function値

mining_functionの値	説明
`ASSOCIATION`	相関(Association)は、記述機械学習機能の一種です。相関モデルによって、データ・セット内に存在する関係とその発生確率が識別されます(相関ルール)。相関モデルではAprioriアルゴリズムが使用される。
`ATTRIBUTE_IMPORTANCE`	属性評価(Attribute importance)は、予測機械学習機能の一種です。属性評価モデルは、特定の結果を予測する中で属性の相対的な重要度を識別する。属性評価モデルでは、最小記述長アルゴリズムとCUR行列分解が使用されます。
`CLASSIFICATION`	分類(Classification)は、予測機械学習機能の一種です。分類モデルは、履歴データを使用して質的ターゲットを予測する。分類モデルでは、Naive Bayes、ニューラル・ネットワーク、ディシジョン・ツリー、ロジスティック回帰、ランダム・フォレスト、サポート・ベクター・マシン、明示的セマンティック分析またはXGBoostを使用できます。デフォルトはNaive Bayes。 1クラスSVMモデルおよび多変量状態推定手法 - 順次確率比率テスト・モデルの異常検出に分類機械学習機能を指定することもできます。
`CLUSTERING`	クラスタリング(Clustering)は、記述機械学習機能の一種です。クラスタリング・モデルは、データセットの中で自然なグループを識別する。クラスタリング・モデルでは、k-Means、O-Clusterまたは期待値の最大化を使用できます。デフォルトはk-Means。
`FEATURE_EXTRACTION`	特徴抽出(Feature Extraction)は、記述機械学習機能の一種です。特徴抽出モデルは、最適化された属性のセットを作成する。特徴抽出モデルでは、Non-Negative Matrix Factorization、特異値分解(主成分分析にも使用可能)または明示的セマンティック分析が使用される。デフォルトはNon-Negative Matrix Factorization。
`REGRESSION`	回帰(Regression)は、予測機械学習機能の一種です。回帰モデルは、履歴データを使用して量的ターゲットを予測する。回帰モデルでは、サポート・ベクター・マシン、GLM回帰またはXGBoostが使用されます。デフォルトはサポート・ベクター・マシン。
`TIME_SERIES`	時系列(Time series)は、予測機械学習機能の一種です。時系列モデルは、ユーザー指定の時間ウィンドウに渡って時間順に並べられた過去の数値データに関する将来の値を予測します。時系列モデルでは、指数平滑法アルゴリズムが使用されます。デフォルトは指数平滑法です。

関連トピック

Oracle Machine Learning for SQL概要

5.2.2 アルゴリズムの選択

モデルのアルゴリズム設定の指定について説明します。

ALGO_NAME設定では、モデルのアルゴリズムを指定できます。機械学習機能にデフォルトのアルゴリズムを使用する場合、または機械学習機能に使用できるアルゴリズムが1つのみの場合、ALGO_NAME設定を指定する必要はありません。

表5-3 Oracle Machine Learningのアルゴリズム

ALGO_NAMEの値	アルゴリズム	デフォルトかどうか	機械学習モデル機能
`ALGO_AI_MDL`	最小記述長	—	属性評価
`ALGO_APRIORI_ASSOCIATION_RULES`	Apriori	—	相関
`ALGO_CUR_DECOMPOSITION`	CUR行列分解	—	属性評価
`ALGO_DECISION_TREE`	ディシジョン・ツリー	—	分類
`ALGO_EXPECTATION_MAXIMIZATION`	期待値最大化	—	クラスタリング
`ALGO_EXPLICIT_SEMANTIC_ANALYS`	明示的セマンティック分析	—	特徴抽出と分類
`ALGO_EXPONENTIAL_SMOOTHING`	指数平滑法	—	時系列
`ALGO_EXTENSIBLE_LANG`	拡張可能アルゴリズムで使用される言語	—	すべての機械学習機能がサポートされます
`ALGO_GENERALIZED_LINEAR_MODEL`	一般化線形モデル	—	分類と回帰
`ALGO_KMEANS`	k-Means	デフォルト	クラスタリング
`ALGO_MSET_SPRT`	多変量状態推定手法 - 順次確率比率テスト	—	異常検出(ターゲットのない分類)
`ALGO_NAIVE_BAYES`	Naive Bayes	デフォルト	分類
`ALGO_NEURAL_NETWORK`	ニューラル・ネットワーク	—	分類
`ALGO_NONNEGATIVE_MATRIX_FACTOR`	Non-Negative Matrix Factorization	デフォルト	特徴抽出
`ALGO_O_CLUSTER`	O-Cluster	—	クラスタリング
`ALGO_RANDOM_FOREST`	ランダム・フォレスト	—	分類
`ALGO_SINGULAR_VALUE_DECOMP`	特異値分解(主成分分析にも使用可能)	—	特徴抽出
`ALGO_SUPPORT_VECTOR_MACHINES`	サポート・ベクター・マシン	デフォルト	デフォルトの回帰アルゴリズム。回帰、分類および異常検出(ターゲットのない分類)
`ALGO_XGBOOST`	XGBoost	—	分類と回帰

関連トピック

5.2.3 変換の指定

変換におけるxform_listパラメータの役割を理解します。

必要に応じて、CREATE_MODELのxform_listパラメータで作成データに対する変換を指定できます。変換の指示がモデル内に組み込まれ、新しいデータへのモデルの適用時には常にその変換指示が再適用されます。

5.2.3.1 変換リストの作成

変換リストの作成に様々な方法を使用する理由を理解します。

変換リストを作成する方法は次のとおりです。

DBMS_DATA_MINING_TRANSFORMのSTACKインタフェース。

STACKインタフェースは、属性または属性のグループに適用可能な事前定義された変換のセットを提供します。たとえば、すべての質的属性に対して教師ありビニングを指定することができます。
DBMS_DATA_MINING_TRANSFORMのSET_TRANSFORMプロシージャ。

SET_TRANSFORMプロシージャは、指定されたSQL式を指定された属性に適用します。たとえば、次の文では、country_idの変換指示を、my_xformsという変換リストに追加します。変換指示は、アルゴリズムの処理が開始される前にcountry_idを10で割ります。逆変換はcountry_idに10を掛けます。
```
  dbms_data_mining_transform.SET_TRANSFORM (my_xforms,
     'country_id', NULL, 'country_id/10', 'country_id*10');
```
逆変換はモデルの詳細で適用されます。country_idが教師ありモデルのターゲットである場合、逆変換はスコアリングされるターゲットにも適用されます。

5.2.3.2 変換リストおよび自動データ準備

変換リストと自動データ準備(ADP)間の相互作用について理解します。

CREATE_MODELに対する変換リスト引数は、自動データ準備(ADP)を制御するPREP_AUTO設定と次のように相互作用します。

ADPが有効で、変換リストを指定した場合、ユーザー指定の変換は自動変換とともに適用されてモデルに組み込まれます。指定した変換は、自動変換の前に実行されます。
ADPが無効で、変換リストを指定した場合、ユーザー指定の変換が適用されてモデルに組み込まれますが、システム生成の変換は実行されません。
ADPが有効で、変換リストを指定しなかった場合、システム生成の変換が適用されてモデルに組み込まれます。
ADPが無効で、変換リストも指定しなかった場合、変換はモデルに組み込まれません。モデルの作成、テストおよびスコアリングに使用するデータセットは別個に準備する必要があります。

関連トピック