索引

A

ADP 5.2.3.2
ALGO_EXTENSIBLE_LANG 5.3.5.1
アルゴリズム 5.1, 5.2.2
- メタデータの登録 5.3.5.8
- パラレル実行 8.1.3
- 例で使用 A.1
ALL_MINING_MODEL_ATTRIBUTES 2.2
ALL_MINING_MODEL_PARTITIONS 2.2
ALL_MINING_MODEL_SETTINGS 2.2, 5.3.4
ALL_MINING_MODEL_VIEWS 2.2
ALL_MINING_MODEL_XFORMS 2.2
ALL_MINING_MODELS 2.2
異常検出 2.1, 3.1.3, 5.2.1, 5.2.2, 6.7
APPLY 6.1
APPROX_COUNT 2.5
APPROX_RANK 2.5
APPROX_SUM 2.5
Apriori 3.4, 4.3.4, 5.2.1, 5.2.2
- 例: 集計の計算 3.5.1
相関ルール 5.2.1, 5.2.2
- モデル・ディテール・ビュー 5.4.1
属性評価 2.1, 5.2.1, 5.2.2
属性 3.1.1, 3.2, 7.4
- 質的 3.2.3, 7.1
- データ属性 3.2.1
- データ・ディクショナリ 2.2
- モデル属性 3.2.1, 3.2.3
- ネスト 3.1.1
- 量的 3.2.3, 7.1
- サブ名 3.2.5
- ターゲット 3.2.2
- テキスト 3.2.3
- 非構造化テキスト 7.2
属性指定 4.4.1, 7.6
AUDIT 8.4.2, 8.5.2
自動データ準備 1.1, 3.1.3, 4.3

B

ビニング 4.3.1
- 等幅 4.4.4.1
- 分位 4.4.4.1
- 教師あり 4.3.1, 4.4.4.1
- 上位N個の最頻出 4.4.4.1
作成データ 3.1.2

C

ケースID 3.1, 3.1.1, 3.2.4, 6.7
ケース表 3.1, 4.2
質的属性 7.1
choptユーティリティ 8.1.2
分類 2.1, 3.1.2, 3.1.3, 3.2.2, 5.2.1, 5.2.2
クラスの重み 5.3.3
クリップ 4.3.3
CLUSTER_DETAILS 1.4, 2.4
CLUSTER_DISTANCE 2.4
CLUSTER_ID 1.4, 2.4
CLUSTER_PROBABILITY 2.4
CLUSTER_SET 1.4, 2.4
クラスタリング 1.4, 2.1, 3.1.3, 5.2.2
COMMENT 8.4.2
CORR 2.5
CORR_K 2.5
CORR_S 2.5
コスト・マトリックス 5.3.1, 6.6, 8.4.3
コスト重視の予測 6.6
COVAR_POP 2.5
COVAR_SAMP 2.5
CUR行列分解 5.2.1, 5.2.2

D

データ
- 質的 3.2.3
- ディメンション 3.3.2
- 例 A.3
- マーケット・バスケット 3.4
- 欠損値 3.6
- 複数レコード・ケース 3.3.2
- ネスト 3.1.1
- 量的 3.2.3
- 準備 4
- READアクセス 8.4.1.1
- SELECTアクセス 8.4.1.1
- 単一レコード・ケース 3.1
- スパース 3.6
- トランザクション 3.4
- 非構造化テキスト 3.2.3
Database Upgrade Assistant 8.2.2.1
データ準備
- モデル・ビュー
  - テキストの特徴 7.3
データ型 3.1.1, 4.2.2
- ネスト 3.3
DBMS_DATA_MINING 2.3, 5.2.1
DBMS_DATA_MINING_TRANSFORM 2.3, 2.3.2
DBMS_PREDICTIVE_ANALYTICS 1.3, 2.3, 2.3.3
ディシジョン・ツリー 4.3.4, 5.2.1, 5.2.2, 6.4
ディレクトリ・オブジェクト 8.3.3
ダウングレード 8.2.4

E

例A
- 使用されるデータ A.3
- ファイル名 A.1
- インストール A.2
- Oracle Databaseの例 A.2
- 要件 A.2
- サンプル・スキーマ A.2
期待値最大化 4.3.4
EXPLAIN 2.3.3
明示的セマンティック分析 5.2.1, 5.2.2
指数平滑法 5.2.1, 5.2.2
エクスポートおよびインポート
- シリアル化されたモデル 8.3.5
エクスポート 8.2.2.2, 8.3

F

FEATURE_COMPARE 2.4
- ESA 1.5
FEATURE_DETAILS 2.4
FEATURE_ID 2.4
FEATURE_SET 2.4
FEATURE_VALUE 2.4
特徴抽出 2.1, 3.1.3, 5.2.1, 5.2.2

G

一般化線形モデル 4.3.4
GLM 5.2.2
グラフィカル・ユーザー・インタフェース 1.1

I

インポート 8.2.2.2, 8.3
インストール
- Oracle Database 8.1.1
インストール
- OML4SQLの例 A.2
- Oracle Database A.2
- Oracle Databaseの例 A.2
- サンプル・スキーマ A.2

K

k-Means 4.3.4, 5.2.1, 5.2.2

L

LAG 2.5
LEAD 2.5
線形回帰 2.4, 5.2.1
ロジスティック回帰 2.4, 5.2.1

M

機械学習
- データベース・チューニング 8.1.3
- 例A
- 権限 8.1.1, 8.4.1
- スコアリング 5.2.1, 6
SQL用の機械学習
- 権限 A.2
SQLモデルの機械学習
- コメントの追加 8.5, 8.5.1
- 監査 8.5.2
- オブジェクト権限 8.4.3
機械学習機能 2.1, 5.1, 5.2.1
- 教師あり 5.2.1
- 教師なし 5.2.1
- 例で使用 A.1
機械学習モデル
- 監査 8.5.2
SQL用の機械学習モデル
- コメントの追加 2.1
- 適用 8.4.3
- 監査 2.1
- 名前の変更 8.4.3
- データ・ディクショナリ 2.2
- 権限 2.1
- アップグレード 8.2.2
- モデルの詳細の表示 8.4.3
マーケット・バスケット・データ 3.4
MDL 4.3.4
メモリー 8.1.3
最小記述長 4.3.4, 5.2.2
欠損値の処理 3.6.2
モデル属性
- 質的 3.2.3
- ネストした列からの導出 3.2.5
- 量的 3.2.3
- 名前の詳細 3.2.5
- テキスト 3.2.3
モデルの詳細 3.2.6
モデル・ディテール・ビュー 5.4
- 相関ルール 5.4.1
- クラスタリングのアルゴリズム 5.4.15
- CURマトリックス分解 5.4.6
- ディシジョン・ツリー 5.4.7
- EM 5.4.16
- 明示的セマンティック分析 5.4.19
- 指数平滑法 5.4.26
- ビニング 5.4.23
- 分類アルゴリズム 5.4.5
- 高頻度項目セット 5.4.2
- グローバル情報 5.4.24
- 正規化および欠損値の処理 5.4.25
- トランザクショナル項目セット 5.4.3
- トランザクショナル・ルールおよび項目セット 5.4.4
- GLM 5.4.8
- k-Means 5.4.17
- 最小記述長 5.4.22
- MSET-SPRT 5.4.9
- Naive Bayes 5.4.10
- ニューラル・ネットワーク 5.4.11
- Non-Negative Matrix Factorization 5.4.20
- O-Cluster 5.4.18
- ランダム・フォレスト 5.4.12
- SVD 5.4.21
- SVM 5.4.13
- XGBoost 5.4.14
モデル
- アルゴリズム 5.2.2
- デプロイ 6.1
- パーティション 2.2
- 権限 8.4.1.1
- 設定 2.2, 5.3.4
- テスト 3.1.2
- トレーニング 3.1.2
- 透過性 1.1
- XFORMS 2.2
モデルのシグネチャ 3.2.4
MSET-SPRT 5.2.2
多変量状態推定手法 - 順次確率比率テスト 4.3.4, 5.2.1

N

Naive Bayes 4.3.4, 5.2.1, 5.2.2
ネストしたデータ 3.3, 7.4
ニューラル・ネットワーク 5.2.1, 5.2.2
NMF 5.2.2
Non-negative Matrix Factorization 4.3.4
Non-Negative Matrix Factorization 5.2.1
正規化 4.3.2
- min-max 4.4.4.2
- スケール 4.4.4.2
- Z-スコア 4.4.4.2
量的属性 7.1

O

オブジェクト権限 8.4.3
O-Cluster 3.3, 4.3.4, 5.2.1, 5.2.2
OML4SQL
- アプリケーション 1.1
- 例A
1クラスSVM 5.2.1
ORA_DM_PARTITION_NAME ORA 2.4
Oracle Data Miner 1.1, 8.2.1
Oracle Data Pump 8.3
Oracle Machine Learning for SQLの関数 2.4, 2.5
Oracle Text 7.2
外れ値 4.3.3, 4.4.4.3

P

パラレル実行 6.1, 8.1.3
パーティション化モデル 5.2.4
- パーティションの追加 5.2.4.2.2
- 作成 5.2.4.1
- DDL実装 5.2.4.2
- モデルの削除 5.2.4.2.1
- パーティションの削除 5.2.4.2.1
- スコアリング 5.2.4.3
パーティション
- データ・ディクショナリ 2.2
PGA 8.1.3
PL/SQLパッケージ2.3
PMML 8.3.6
PREDICTION 1.2, 1.3, 2.4, 6.5
PREDICTION_BOUNDS 2.4
PREDICTION_COST 2.4
PREDICTION_DETAILS 2.4, 6.5
PREDICTION_PROBABILITY 1.3, 2.4, 6.4
PREDICTION_SET 2.4
PREDICTION関数
- GROUPINGヒント 6.3.4
予測分析 1.1, 1.3, 2.1
データの準備
- 小売分析データの集計の使用 3.5
事前確率 5.3.2
事前確率表 5.3.2
権限 8.3.2, 8.4.1
- 機械学習モデルの作成 8.2.3
- データ・マイニング 8.3.2
- エクスポートおよびインポート 8.3.2
- 機械学習 8.1.1
- OML4SQLの例 A.2
- 機械学習に必須 8.4.1.1

R

RALG_BUILD_FUNCTION 5.3.5.2
RALG_BUILD_PARAMETER 5.3.5.2.1
RALG_DETAILS_FORMAT 5.3.5.4
RALG_DETAILS_FUNCTION 5.3.5.3
RALG_SCORE_FUNCTION 5.3.5.5
RALG_WEIGHT_FUNCTION 5.3.5.6
ランダム・フォレスト 5.2.1, 5.2.2
REGISTER_ALGORITHMプロシージャ 5.3.5.8
回帰 2.1, 3.1.2, 3.1.3, 3.2.2, 5.2.1, 5.2.2
逆変換 3.2.6
R拡張可能言語 5.2.2
R機械学習モデル
- 設定 5.3.5

S

スコアリング 1.1, 2.1, 6, 8.1.3, 8.4.3
- データ 3.1.2
- 動的 1.3, 2.1, 6.5
- パラレル実行 6.1
- 権限 8.4.2
- 要件 3.1.3
- SQL関数 2.4, 2.5
- 透過性 1.1
設定
- データ・ディクショナリ 2.2
- 表の指定 5.1
SGA 8.1.3
特異値分解 4.3.4
スパース・データ 3.6
SQL AUDIT 2.1, 8.5.2
SQL COMMENT 2.1, 8.5.1
SQL Developer 1.1
STACK 2.3.2.1, 4.4.2.2
静的ディクショナリ・ビュー
- ALL_MINING_MODEL_VIEWS 2.2.5
STATS_BINOMIAL_TEST 2.5
STATS_CROSSTAB 2.5
STATS_F_TEST 2.5
STATS_KS_TEST 2.5
STATS_MODE 2.5
STATS_MW_TEST 2.5
STATS_ONE_WAY_ANOVA 2.5
STATS_T_TEST_* 2.5
STATS_T_TEST_INDEP 2.5
STATS_T_TEST_INDEPU 2.5
STATS_T_TEST_ONE2.5
STATS_T_TEST_PAIRED2.5
STATS_WSR_TEST 2.5
STDDEV 2.5
STDDEV_POP 2.5
STDDEV_SAMP 2.5
SUM 2.5
サポート・ベクター・マシン 4.3.4, 5.2.1, 5.2.2
SVD 5.2.2
システム権限 8.4.2, A.2

T

ターゲット 3.2.2, 3.2.3, 3.2.4, 7.4
テスト・データ 3.1.2, 5.1
テキスト
- 操作 2.3.2.1, 7
テキスト属性 7.4, 7.6
テキスト・ポリシー 7.5
テキスト用語 7.2
時系列 5.2.1, 5.2.2
トレーニング・データ 5.1
トランザクショナル・データ 3.1, 3.3.2, 3.4
変換 2.3.2, 3.1.3, 3.2.1, 3.2.6, 5.1, 5.2.3
- 属性固有 2.3.2, 2.3.2.1
- 組込み 2.3.2, 2.3.2.1, 3.1.3, 4
- ユーザー指定 3.1.3
透過性 3.2.6
トリミング 4.4.4.3

U

アップグレード 8.2.2
- エクスポートとインポート 8.2.2.2
- アップグレード前のステップ 8.2.1
- Database Upgrade Assistantの使用 8.2.2.1
ユーザー 8.1.1, 8.3.2, A.2
- 機械学習の権限の割当 8.4.1.1
- 作成 8.4.1
- 機械学習の権限 8.4.1
- SQL用の機械学習の権限 8.2.3

W

重み 5.3.3
ウィンザライズ 4.4.4.3

X

XFORM 2.3.2.1
XFORMS
- データ・ディクショナリ 2.2
XGBoost 5.2.1, 5.2.2
- モデル・ディテール・ビュー 5.4.14