33.4 Oracle Machine Learning for SQLのスコアリング関数

OML4SQLの様々なスコアリング関数について説明します。

次に示すOML4SQLの関数を使用して、データをスコアリングします。これらの関数は、機械学習モデルのスキーマ・オブジェクトをデータに適用することも、分析句の実行によって動的にデータをマイニングすることもできます。SQL関数は、スコアリング操作をサポートするすべてのOML4SQLアルゴリズムに使用できます。次の表に示すすべてのOML4SQL関数は、対応するOML4SQL関数を使用して、R機械学習モデルで動作します。ただし、関数は、ここにリストされているものに限られません。

表33-4 OML4SQLの関数

ファンクション	説明
CLUSTER_ID	予測対象のクラスタのIDを戻す。
CLUSTER_DETAILS	予測対象のクラスタに関する詳細情報を戻す。
CLUSTER_DISTANCE	予測対象のクラスタの重心からの距離を戻す。
CLUSTER_PROBABILITY	特定のクラスタに属するケースの確率を戻す。
CLUSTER_SET	特定のケースが属している可能性のあるすべてのクラスタのリストと、ケースが含まれている確率を戻す。
FEATURE_COMPARE	2つの異なるドキュメントまたはキーワード・フレーズ、あるいはその両方の組合せからの類似または非類似のテキスト・セットを比較する
FEATURE_ID	最も高い係数値を持つ特徴のIDを戻す。
FEATURE_DETAILS	予測対象の特徴に関する詳細情報を戻す。
FEATURE_SET	考え得るすべての特徴が含まれているオブジェクトのリストとその係数を戻す。
FEATURE_VALUE	予測対象の特徴の値を戻す。
ORA_DM_PARTITION_NAME	パーティション化されたモデルのパーティション名を戻す
PREDICTION	ターゲットの最適な予測を戻す。
PREDICTION_BOUNDS	(GLMのみ)予測値(線形回帰)または確率(ロジスティック回帰)が収まる区間の上限と下限を戻す。
PREDICTION_COST	不正確な予測のコストの測度を戻す。
PREDICTION_DETAILS	予測に関する詳細情報を戻す。
PREDICTION_PROBABILITY	予測の確率を戻す。
PREDICTION_SET	分類モデルの結果を戻す(各ケースについての予測および関連する確率を含む)。

次の例では、CLUSTER_ID関数の結果を戻す問合せを示しています。この問合せでは、特定の特性を共有する顧客のグループを検出するモデルem_sh_clus_sampleを適用します。この問合せでは、クラスタの識別子および各クラスタの顧客数が戻されます。em_sh_clus_sampleモデルは、oml4sql-singular-value-decomposition.sqlの例で作成します。

例33-9 CLUSTER_ID関数

-- -List the clusters into which the customers in this
-- -data set have been grouped.
--
SELECT CLUSTER_ID(em_sh_clus_sample USING *) AS clus, COUNT(*) AS cnt 
  FROM mining_data_apply_v
GROUP BY CLUSTER_ID(em_sh_clus_sample USING *)
ORDER BY cnt DESC;


SQL> -- List the clusters into which the customers in this
SQL> -- data set have been grouped.
SQL> --
SQL> SELECT CLUSTER_ID(em_sh_clus_sample USING *) AS clus, COUNT(*) AS cnt
  2    FROM mining_data_apply_v
  3  GROUP BY CLUSTER_ID(em_sh_clus_sample USING *)
  4  ORDER BY cnt DESC;
 
      CLUS        CNT
---------- ----------
         9        311
         3        294
         7        215
        12        201
        17        123
        16        114
        14         86
        19         64
        15         56
        18         36